财联社及科创板日报旗下产品——未来已来，AI前沿，独家、深度、专业！
七火山CTO表示，Sora模型面世后，他与OpenAI的部分工程师在美国进行了会面交流；Sora最大的价值在于，OpenAI用它的尝试突破验证了一个技术路线的可行性，引领了整个业界的技术迭代；七火山背后的战略投资方，也在通过对外投资对自身进行在AI时代的重新定位。
作者 | 敖瑾
AI发展持续加速，Sora模型的出现正在引发文生视频领域的变革，各创业企业都在根据OpenAI发布的技术白皮书，重新调整自己的方向。
5日，文生视频创业公司——七火山发布了其结合Sora路线迭代的Etna文生视频模型，并在发布会现场对生成效果进行了展示。
公司CTO Jason Huang对《科创板日报》记者表示，借鉴Sora技术迭代开发的Etna模型，在性能上有显著提升，“视频时长延长至8-15秒，且每秒帧数高达60帧，保证了视频流畅性；语义理解能力强大，能够更准确地理解和转化文本信息为视频内容；视频清晰度高、图片细节丰富，提升了视频的视觉效果。”
Etna模型发布会现场生成效果展示
Jason Huang进一步对《科创板日报》记者表示，Sora的出现极大提升了文生视频模型的水平，“最大的价值在于，OpenAI用它的尝试突破验证了一个技术路线的可行性，引领了整个业界的技术迭代。它的方向可能不是唯一的，但至少Sora目前的效果完全证实了这个方向的可能性，大家短期内都会转向这个技术方向优化自身的产品。”
▌文生视频领域技术大转向
Jason Huang告诉记者，Sora模型面世后，他与OpenAI的部分工程师在美国进行了会面交流，“在他们授权可讲的范围内做了一些讨论，包括他们自己是怎么看待Sora这个模型的。”据悉，Sora模型的研发经历了近一年时间，过程中也经历了多个不同方向的探索，直到近期才取得了重要突破。
其进一步表示，Sora模型最大的突破在于，使用了DiT的技术框架。而在此之前，市面上的大多数文生视频创业企业，包括明星项目Runway、Pika等，都采用了扩散模型这一技术路线。
“扩散模型的技术路线我们研究了比较长的时间，包括分析了Pika在去年4月发布的产品，以及去年底Stable Diffusion发布的开源项目。事实上，扩散模型一直有一个瓶颈，即视频时长、连贯性很难得到提升，所以现在我们看到的绝大多数文生视频片段就只有3到4秒，分辨率也只能达到512x512，或者再往上一点点，但再往后就无法进一步扩大。”
算法也决定了用何种数据进行模型训练。“如果只使用扩散模型，训练过程就是把图像作为数据集进行训练，但视频到图像之间会有转化过程，在训练过程如何避免信息量的丢失，让模型能学习到数据本身是一个视频而不是单一图像，扩散模型实际上存在局限。”Jason Huang表示，彼时，由于上述两点在技术和方法上都未能取得了突破，业内很少有人敢于大量投入算力，“因为原来的方法是有明确的瓶颈限制的。”
而直到Sora模型的出现，其所采用的DiT的技术路线让上述两点存在已久的局限迎刃而解。“在语义理解上，Sora模型背后由ChatGPT提供强大的语言处理支持，大幅提升了语义理解能力；模型结构方面，它将传统的扩散模型与transformer模型相结合，形成一种既有效又先进的新模型架构；在训练数据方面，Sora采用视频数据而非静态图片作为训练材料，通过patches作为处理方法来优化训练效果。”
Jason Huang将Sora带给他和团队的启发形容为“醍醐灌顶”。他表示，在把七火山的模型从原来单一的扩散模型往与Transformer结合的方向转移后，仅仅两周时间，就看到了显著的成效。“比如我们现在做的视频已经能做到大概10到20秒，以及每秒帧数能达到60帧，这种参数水平放在现行文成视频同类产品中比较，已经可以排在前列了。”但其坦言，目前和Sora比仍存在很大差距，“Sora能做到60秒的时长，且达到4k甚至更高的分辨率，而且场景非常丰富。”
Etna模型生成的Sora同款视频效果
▌上市公司押宝的战略新路线
除了及时调整技术路线，目前，七火山也在紧锣密鼓推进产品的应用落地。Jason Huang对《科创板日报》记者表示，公司从创立开始就着眼于应用创新，“和大厂卷大模型能力不是我们的方向，我们从一开始就在研究，怎么把模型能力变成一个实际能落地的应用。”
据悉，目前，七火山通过Lava平台已与字节跳动、小米、快手建立合作关系，实现短剧内容的角色换脸、对白配音及字幕翻译，推动内容本地化和国际化发展；MiniTV作为分发平台，探索短剧海外发行的多元化模式；其Bromo工具则能够将低分辨率、简单风格的图片，转化为高达10K分辨率的高质量图像，展示了AI技术在艺术创作与表情包转换等方面的潜力。
Jason Huang进一步表示，尽管现阶段七火山以文生视频作为研究和推进的重点，但其将自身定位为一家AI多模态公司，“不局限在某一个应用，而是根据业界的最新进展，与自身业务进行有机结合，调整应用落地。”
《科创板日报》记者注意到，除了七火山本身作为一家刚成长不久的创业公司，在AI2.0极速发展的时期试图建立起自身的商业坐标外，其背后的战略投资方，亦通过对外投资等一系列方式对自身进行重新定位。
七火山目前获得了来自上市公司超讯通信的战略投资，后者由此成为持股30%的单一大股东。超讯通信子公司超讯智能CEO胡柏逸告诉记者，从去年初开始，超讯通信就开始在找AIGC垂类新锐企业进行布局，“当时看了不少公司，包括文生图到文生多模态，还有AI游戏等一系列公司都有接触，到今年确定了对七火山进行战略投资。”
公开资料显示，超讯通信成立于1998年，2016年7月在上交所挂牌上市，据其2022年年报，公司主要业务包括通信技术服务业务、物联网业务以及IDC业务三大板块。
而在5日的战略发布会上，超讯通信董事长梁建华公布了公司未来三年的战略规划，“我们的愿景是建立一个完整的AI生态系统，通过算力、数据与人工智能技术的有机结合，构建独特而强大的超讯通信生态。我们追求的不仅是硬件的积累，更注重软硬件技术的自主创新和安全高效的集成应用。这意味着，在算力领域，我们不满足于简单的购买或租赁服务器，而是致力于技术的深度加持和创新。”
其进一步表示，超讯通信在人工智能方面进行了全方位部署，“重点投资于灵犀妙笔AI等境内外先进技术，同时注重AI安全和装备的配套。”
Jason Huang则表示，与超讯通信的战略合作，未来会类似于当前国产大模型与互联网巨头之间的合作。“肯定不是直奔着超讯通信给我们的财务投资去的，而是双方在理念上达成一致。与此同时，当我们的模型取得突破进展后，并实现与具体的垂类行业应用的结合，就需要我们去进行upscale，即规模需要提升和扩大，这是超讯通信的算力、资金包括其他一些资源，就能助力七火山实现模型规模的快速扩大。”