斯坦福美女博士創業項目爆火！AI視頻生成出道即頂流，半年融資5500萬美元

豐色 蕭簫 發自 凹非寺

量子位 | 公眾號 QbitAI

斯坦福華人博士休學搞創業，直接火爆AI圈！

新產品瞄準AI視頻生成，剛出道就成行業頂流，引來一眾大佬圍觀評價。

OpenAI大牛Andrej Karpathy轉發，并激情附上長文一段：

每個人都能成為多模態夢境的導演，就像《盜夢空間》里的筑夢師一樣。

就連Stability AI創始人也來點贊：

這個新產品名為Pika 1.0，背后公司Pika于今年4月成立。

要知道，這一行的產品已有不少，如成立5年的Runway等公司。

在AI視頻生成“亂花迷人眼”的當下，這個新產品究竟是如何做到迅速破圈，吸引大量關注度的？

從放出的Demo效果來看，Pika 1.0不僅能根據文字圖片，流暢地生成一段視頻，動靜轉換就在一瞬間：

而且可編輯性還特別強，指定視頻中的任意元素，一句話就能實現快速“換裝”：

這樣的效果，也使得公司成立僅半年，產品用戶已經超過52萬人。

更是新斬獲5500萬美元融資，其中個人投資者不乏各種大牛，如Quara創始人Adam D’Angelo、Perplexity的CEO Aravind Srinivas、GitHub前CEO Nat Friedman等等。

所以，Pika究竟有沒有看起來這么好用？我們也立刻上手體驗了一番。

AI視頻新頂流長啥樣？

此次火爆出圈的Pika 1.0，是Pika發布的第一個正式版本產品。

經過四個多月Discord社區的測試，Pika認為是時候推出本次重大升級了。

相比之前Pika還只能用文字或圖像生成視頻，如今的Pika 1.0，功能要更加豐富——

不僅能根據文字、圖片或視頻風格生成視頻，還能對視頻局部進行編輯。

可編輯性有多強？

不僅畫面大小任意擴展，從5:2、1:1畫布，到9:16以及16:9的超大屏，4種選擇無縫轉換：

像什么3D、動漫、電影等各式各樣的風格濾鏡，那就更不用說了。

最重要的是，1.0正式版推出了用戶更友好的網頁版，不用在discord中一遍遍艾特機器人，就能直接上手玩。

（不過，現在它還需要排隊，需要點耐心。）

當然，也可以移步Discord社區先上手體驗一番。

盡管它還未隨網頁版更新到Pika 1.0，但我們也實測了一下文字、圖片生成視頻的效果，還不錯。

加入社區之后，直奔“Creations”，從下面的10個生成區隨便選擇一個進入即可開耍。

在輸入框中輸出“/”，選擇最簡單的“/create”命令：

在此，我們輸入“a robot dancing in the rain, sunset, 4k, -gs 8”提示詞交給機器人。

大概也就半分鐘的時候，視頻就出來了，速度相當快：

效果嘛，雨沒有表現得很明顯，但機器人的肢體動態性真的很強。

我們再來一個稍微長一些的提示詞：

a teenager walks through the city streets,takes pictures of places（一個青少年穿過城市的街道，拍攝照片）

仍然超級快，結果就出來了：

Wow，這次真的有很滿意，畫面符合腦海中的預測，甚至比我們想象得還要好。

除了純文字，咱還可以上傳一張參考圖像進行創作，使用“/animate”命令。

當當，一張靜態表情包就動起來了：

總的來看，Pika給出的視頻時長都是3s（所以使用太長的提示詞也沒用，后面會直接忽略掉），以及它還不能保證每次結果都很滿意，但總體來說多試幾次還是有不錯的結果出現的。

在自測之外，我們也來看看網友的作品，其中不乏非常驚艷的效果。

比如有人創作的這只小怪獸，憨態可掬，讓人忍不住想摸一把：

還有這段兩位小女孩的演奏畫面，看完我好像真的聽到了優美的嗓音從中傳出：

最絕的還是這個白鴿圍繞短發美女翻飛的場面：

也太有氛圍感了吧～

看罷如上效果，我們也來盤盤這家公司究竟是什么來頭。

兩位斯坦福華人博士創立

Pika的創始人一共有兩位，郭文景（Demi Guo）和Chenlin Meng，都是斯坦福博士。

據The Information消息，郭文景于今年四月創立了Pika，隨后Chenlin Meng加入成為聯創，兩人合作開發了這個文本生成視頻模型。

從二人學術經歷來看，她們分別專注于NLP和計算機視覺兩個方向的AI研究，也都有生成式AI的學術經歷。

聯合創始人兼CEO郭文景，斯坦福大學AI實驗室（NLP&圖形學方向）博士。

她在美國出生，杭州長大，初中就讀的是杭州外國語學校，從小就接觸編程，奪得過IOI銀牌，從本科開始正式留學，被哈佛大學提前錄取。

此次創業，她的領英主頁顯示休學中（On Leave），應該是打算先忙創業的事情。

在斯坦佛大學讀博之前，郭文景在哈佛大學取得了計算機碩士和數學本科學位。

在本科期間，她曾經gap過一年，專程在Facebook AI Research全職做了一段時間的研究工程師。

在職期間，她參與了用Transformer分析2.5億個蛋白質序列的研究，目前這篇論文引用已有1200+，其中就包括后來大火的AlphaFold2：

除此之外，她也先后在Epic Games、谷歌和微軟等多家公司實習過。

這次創業，郭文景的導師Christopher D Manning也給予了不少支持。

Christopher D Manning以NLP方向的研究聞名，如今在谷歌學術上的引用量已有23w+，而他也將成為Pika的學術顧問之一。

聯合創始人兼CTO?Chenlin Meng，同樣是斯坦福計算機博士。

在此之前，她于2020年在斯坦福大學獲得了數學本科學位。

相比郭文景在NLP領域的研究經驗，她在計算機視覺、3D視覺方面的學術經歷更加豐富，參與的去噪擴散隱式模型（DDIM）論文，如今單篇引用已有1700+：

除此之外，她還有多篇生成式AI相關研究發表在ICLR、NeurIPS、CVPR、ICML等頂會上，且多篇入選Oral。

當然，隨著Pika 1.0爆火，Pika也開啟了進一步的招人計劃，從技術、產品到運營都有需求：

一個月內5家產品亮相

值得一提的是，不止是正在快速擴張的Pika。

就AI視頻這個行業而言，這段時間來整體都迎來了一段“爆發期”。

據不完全統計，從11月至今，短短一個月的時間就已經有5家AI視頻生成產品發布或迎來大更新：

首先就是11月3日，Runway的Gen-2發布里程碑式更新，支持4K超逼真的清晰度作品。

然后時間來到11月16日，Meta發布Emu Video，這個工具在用戶評估中號稱打敗Gen-2、Pika等對手，效果be like：

從Emu開始，大家都好像打起比賽來了，那叫一個爭先恐后。

才過兩天，11月18日，字節就半路殺出發布PixelDance，作品的動態性可謂史無前者，畫面中的元素都動作幅度都相當大，且不變形，讓人眼前一亮。

又僅過3天之后，11月21日，AIGC領域的佼佼者Stable AI也終于推出了自家的視頻工具：Stable Video Diffusion。

效果嘛，也很能打。

同一天，Gen-2又沒閑著，“橫插一腳”上線“涂哪動哪”的運動筆刷新功能，直接標志出生成模型可控性上的一個重要里程碑。

最后，就是今天了，11月29日，來自創業公司的Pika直接帶著網頁版發布正式版1.0，叫板“老大哥”Runway。

在此之外，我們還從未見過哪個階段有這么多各有特色、來自不同背景的產品爭相亮相。

這也讓人不得不感嘆一句：

AI視頻這是來到爆發前夜了？

歡迎大伙暢所欲言～

參考鏈接：
[1]https://twitter.com/demi_guo_/status/1729546758718656530
[2]https://pika.art/blog
[3]https://twitter.com/mignano/status/1729510740246020403