斯坦福华人博士 AI 视频生成产品 Pika 1.0 爆火！

丰色 萧箫 发自 凹非寺

量子位 | 公众号 QbitAI

斯坦福华人博士休学搞创业，直接火爆 AI 圈！

新产品瞄准AI 视频生成，刚出道就成行业顶流，引来一众大佬围观评价。

OpenAI 大牛 Andrej Karpathy 转发，并激情附上长文一段：

每个人都能成为多模态梦境的导演，就像《盗梦空间》里的筑梦师一样。

就连 Stability AI 创始人也来点赞：

这个新产品名为Pika 1.0，背后公司 Pika 于今年 4 月成立。

要知道，这一行的产品已有不少，如成立 5 年的 Runway 等公司。

在 AI 视频生成 “乱花迷人眼” 的当下，这个新产品究竟是如何做到迅速破圈，吸引大量关注度的？

从放出的 Demo 效果来看，Pika 1.0 不仅能根据文字图片，流畅地生成一段视频，动静转换就在一瞬间：

而且可编辑性还特别强，指定视频中的任意元素，一句话就能实现快速 “换装”：

这样的效果，也使得公司成立仅半年，产品用户已经超过 52 万人。

更是新斩获5500 万美元融资，其中个人投资者不乏各种大牛，如 Quara 创始人 Adam D’Angelo、Perplexity 的 CEO Aravind Srinivas、GitHub 前 CEO Nat Friedman 等等。

所以，Pika 究竟有没有看起来这么好用？我们也立刻上手体验了一番。

此次火爆出圈的 Pika 1.0，是 Pika 发布的第一个正式版本产品。

经过四个多月 Discord 社区的测试，Pika 认为是时候推出本次重大升级了。

相比之前 Pika 还只能用文字或图像生成视频，如今的 Pika 1.0，功能要更加丰富——

不仅能根据文字、图片或视频风格生成视频，还能对视频局部进行编辑。

可编辑性有多强？

不仅画面大小任意扩展，从 5:2、1:1 画布，到 9:16 以及 16:9 的超大屏，4 种选择无缝转换：

像什么 3D、动漫、电影等各式各样的风格滤镜，那就更不用说了。

最重要的是，1.0 正式版推出了用户更友好的网页版，不用在 discord 中一遍遍艾特机器人，就能直接上手玩。

（不过，现在它还需要排队，需要点耐心。）

当然，也可以移步 Discord 社区先上手体验一番。

尽管它还未随网页版更新到 Pika 1.0，但我们也实测了一下文字、图片生成视频的效果，还不错。

加入社区之后，直奔 “Creations”，从下面的 10 个生成区随便选择一个进入即可开耍。

在输入框中输出 “/”，选择最简单的 “/create” 命令：

在此，我们输入“a robot dancing in the rain, sunset, 4k, -gs 8”提示词交给机器人。

大概也就半分钟的时候，视频就出来了，速度相当快：

效果嘛，雨没有表现得很明显，但机器人的肢体动态性真的很强。

我们再来一个稍微长一些的提示词：

a teenager walks through the city streets,takes pictures of places（一个青少年穿过城市的街道，拍摄照片）

仍然超级快，结果就出来了：

Wow，这次真的有很满意，画面符合脑海中的预测，甚至比我们想象得还要好。

除了纯文字，咱还可以上传一张参考图像进行创作，使用 “/animate” 命令。

当当，一张静态表情包就动起来了：

总的来看，Pika 给出的视频时长都是 3s（所以使用太长的提示词也没用，后面会直接忽略掉），以及它还不能保证每次结果都很满意，但总体来说多试几次还是有不错的结果出现的。

在自测之外，我们也来看看网友的作品，其中不乏非常惊艳的效果。

比如有人创作的这只小怪兽，憨态可掬，让人忍不住想摸一把：

还有这段两位小女孩的演奏画面，看完我好像真的听到了优美的嗓音从中传出：

最绝的还是这个白鸽围绕短发美女翻飞的场面：

也太有氛围感了吧～

看罢如上效果，我们也来盘盘这家公司究竟是什么来头。

Pika 的创始人一共有两位，郭文景（Demi Guo）和 Chenlin Meng，都是斯坦福博士。

据 The Information 消息，郭文景于今年四月创立了 Pika，随后 Chenlin Meng 加入成为联创，两人合作开发了这个文本生成视频模型。

从二人学术经历来看，她们分别专注于 NLP 和计算机视觉两个方向的 AI 研究，也都有生成式 AI 的学术经历。

联合创始人兼 CEO 郭文景，斯坦福大学 AI 实验室（NLP&图形学方向）博士。

她在美国出生，杭州长大，初中就读的是杭州外国语学校，从小就接触编程，夺得过 IOI 银牌，从本科开始正式留学，被哈佛大学提前录取。

此次创业，她的领英主页显示休学中（On Leave），应该是打算先忙创业的事情。

在斯坦佛大学读博之前，郭文景在哈佛大学取得了计算机硕士和数学本科学位。

在本科期间，她曾经 gap 过一年，专程在 Facebook AI Research 全职做了一段时间的研究工程师。

在职期间，她参与了用 Transformer 分析 2.5 亿个蛋白质序列的研究，目前这篇论文引用已有1200+，其中就包括后来大火的AlphaFold2：

除此之外，她也先后在 Epic Games、谷歌和微软等多家公司实习过。

这次创业，郭文景的导师 Christopher D Manning 也给予了不少支持。

Christopher D Manning 以 NLP 方向的研究闻名，如今在谷歌学术上的引用量已有 23w+，而他也将成为 Pika 的学术顾问之一。

联合创始人兼 CTO Chenlin Meng，同样是斯坦福计算机博士。

在此之前，她于 2020 年在斯坦福大学获得了数学本科学位。

相比郭文景在 NLP 领域的研究经验，她在计算机视觉、3D 视觉方面的学术经历更加丰富，参与的去噪扩散隐式模型（DDIM）论文，如今单篇引用已有 1700+：

除此之外，她还有多篇生成式 AI 相关研究发表在 ICLR、NeurIPS、CVPR、ICML 等顶会上，且多篇入选 Oral。

当然，随着 Pika 1.0 爆火，Pika 也开启了进一步的招人计划，从技术、产品到运营都有需求：

值得一提的是，不止是正在快速扩张的 Pika。

就 AI 视频这个行业而言，这段时间来整体都迎来了一段 “爆发期”。

据不完全统计，从 11 月至今，短短一个月的时间就已经有 5 家 AI 视频生成产品发布或迎来大更新：

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

然后时间来到11 月 16 日，Meta 发布 Emu Video，这个工具在用户评估中号称打败 Gen-2、Pika 等对手，效果 be like：

从 Emu 开始，大家都好像打起比赛来了，那叫一个争先恐后。

才过两天，11 月 18 日，字节就半路杀出发布PixelDance，作品的动态性可谓史无前者，画面中的元素都动作幅度都相当大，且不变形，让人眼前一亮。

又仅过 3 天之后，11 月 21 日，AIGC 领域的佼佼者Stable AI也终于推出了自家的视频工具：Stable Video Diffusion。

效果嘛，也很能打。

同一天，Gen-2 又没闲着，“横插一脚” 上线 “涂哪动哪” 的运动笔刷新功能，直接标志出生成模型可控性上的一个重要里程碑。

最后，就是今天了，11 月 29 日，来自创业公司的 Pika 直接带着网页版发布正式版 1.0，叫板 “老大哥” Runway。

在此之外，我们还从未见过哪个阶段有这么多各有特色、来自不同背景的产品争相亮相。

这也让人不得不感叹一句：

AI 视频这是来到爆发前夜了？

欢迎大伙畅所欲言～

参考链接：
[1] https://twitter.com/demi_guo_/status/1729546758718656530
[2] https://pika.art/blog
[3] https://twitter.com/mignano/status/1729510740246020403