入驻手机，多模态成新战场智能终端的AI视频

文｜乐乐。入驻

今日 ，视频手机无线蓝牙耳机（TWS）现已成为人人都用得起的多模的新产品。 
。态成

但退回到9年前，智能终端战场苹果AirPods是入驻全球榜首款实在意义上的无线蓝牙耳机。靠着自研并申请专利的视频手机Snoop监听技能，苹果处理了蓝牙耳机左右延时和能耗纷歧的多模的新问题 。由此，态成AirPods吃下了2016-2018年的智能终端战场大部分商场，直到两年后其它厂商才学会相似技能。入驻

靠技能盈利取胜，视频手机是多模的新苹果的经典操作
，也是态成今日的手机厂商们在苹果身上学到的重要一课 。

关于近两年的智能终端战场手机商场来说  ，AI无疑便是搅动手机商场的关键技能变量。

为了找到AI技能落地的杀手级功用，从Agent 、AI修图到AI问答
，智能终端在做的作业便是在AI生态上尽或许做各式各样的加法。

在高度同质化的AI手机赛道，手机厂商们亟需找到立异的AI技能落地功用。而荣耀，正在悄然拿下多个首发优势。

在近期荣耀400的发布会现场
，图生视频成了荣耀“吃螃蟹”的又一首发功用，这背面是协作方生数科技旗下的AI视频大模型在移动端的初次规模化落地 。

联手生数科技Vidu，荣耀打破了三大难关——坚持风格共同性 、对物理国际的了解 、端侧本钱紧缩，让用户免费体会“老相片复生术”。

而就在两个月前 ，生数科技 Vidu Q1模型刚以VBench双榜榜首的成果碾压Sora与Runway，现在就悄然钻进千万用户的口袋。

这场协作背面 ，一场更深层的革新正在发酵。

当时 ，多模态正在重构智能终端的交互体会，手机正成为图生视频技能普惠的战场之一
。当大模型的技能比赛从言语模型延伸到多模态 ，“让回忆重获生命”的图生视频，或许正是翻开群众商场的榜首把钥匙。

当图生视频在手机上跑起来 。

一张由AI制造的“Live Photo”，成为了荣耀发布会现场世人评论的焦点 。 。

相片中，一个小孩抱着窗布看向镜头浅笑。经由图生视频功用加工后 ，小孩抓着窗布向一边摇晃 ，头部也跟着晃动方向轻轻歪斜，脸上挂着的笑脸变成了动态 ，能看到嘴角咧起的弧度和兴起的脸颊 。

在荣耀产品线总裁方飞的演示中 ，只需求点击“AI生图”功用，选定相应相片和生成的视频时长（3秒/5秒），AI就能依据图片场景生成一段流通的视频。上述事例便是由该功用生成。

早在3月宣告向AI终端生态公司转型的荣耀，在数字系列荣耀400上落地了一系列AI才干 。光是相片一项 ，荣耀就上线了AI图生视频、AI去褶皱、AI去眼镜反光 、AI去玻璃反光、图生视频等优化功用
。

看起来简略的视频演示，背面是图生视频技能落地智能终端的一大步：霸占了技能难点，才干让AI视频看起来无限趋近于实在。

首要
，要想让视频动起来的作用契合实在国际的运转规则，便是视频生成模型们前期的通病。比方提示词设定成两个人打羽毛球，交给AI来做，球或许会呈现随便飞起或许不依照球拍击打轨道飞翔等问题
 ，导致生成出来的著作无法运用。

当下
，怎么更好地模仿物理国际规则，也成了大模型们面前的难关。就在3月份，生数科技发布的模型Vidu Q1
，在VBench-1.0的视频质量、视频语义共同性和 VBench-2.0的常识推理
、物理了解等归纳维度上到达SOTA水平。靠着对提示词的了解力增强 ，Vidu能自动辨认人物动作 、光影、方位联络等内容 ，让生成的视频在动态上契合物理国际规则 。

此外，在风格共同性上
，拿手动漫、水墨等多种画风了解的Vidu，在坚持原图风格共同上的体现相对安稳。比较于会把实在图片上传后随机转换成油画、动漫等风格的视频生成模型，Vidu显然在场景了解上的体现更胜一筹 。

不过，要想让AI视频实在遍及
，还需求考虑的便是生成速度和本钱问题。等待时间超越几分钟，用户体会感会直线下滑，本钱太高也会拖垮手机厂商的钱包
。

而荣耀和生数科技一同克服了这几个问题，把图生视频玩法搬上了手机。相关于各大视频运用靠会员制收费，荣耀的图生视频功用完全免费，让用户不花钱也能体会。

尽管这次并未发布详细的生成时长和本钱
，但依据此前Vidu 1.5版别做到几秒生成、Vidu 2.0单秒本钱最低不到3毛钱的价格来看
，AI视频现已具有了落地端侧的条件。

除此之外
，AI视频大模型的技能一向在前进，未来或将在手机等智能终端中完成更多的功用。

比方，AI视频一向存在一个技能难点——主体共同性。主体共同性 ，是指坚持人物、物体、环境等主体共同，不会面部五官乱飞，环境前后连接
。

2024年
，生数科技在新模型Vidu 1.5中完成多主体共同性，运用者可以上传布景和多个主体人物的相片，AI就能将这些自定义元素组合在一同，依据提示词生成视频 。

以多主体共同性来说，海螺AI的“主体参阅”功用和可灵的“多图参阅”均在本年1月上线
，比Vidu慢了2个月 。

多模态 ，智能终端的新战场。

多模态大模型，最近半年内正在肉眼可见的批量落地 。

在App端，字节在5月23日给自家AI帮手运用豆包装上了视频通话功用
。背靠自研的视频推理模型 ，豆包不只能“睁眼看国际”，还能依据看到的画面估测接下来的动作 ，比方炒菜的时分
，豆包可以依据质料猜出对应的菜
，而且给出炒菜的详细步骤 。

腾讯则在5月份发布了语音模型Human-Voice，并预告腾讯元宝将会在6月上线语音通话功用
。一起，腾讯还会上线全球首个全模态模型“混元-O” 。

在智能终端上，自身经过GUI（图形用户界面）完成交互的手机厂商们，便是多模态大模型的重要载体 。

可以说，从这一轮生成式AI开端时 ，多模态AI就被厂商纳入了考虑规模 。仅仅一开端在技能才干受限的情况下，大言语模型成为了端侧大模型落地最早的一种。

多模态模型在端测的运用更广
，场景更多，不只可认为以往场景赋能 ，还能有新的互动体会场景，受众规模也会更广，由于视频图画的受众总是大于文字的
。

跟着多模态才干的技能前进 ，端侧语音和视频交互的比重正在上升。

比方，一些在端侧运转的大言语模型逐步被多模态大模型替代，相应运用的底座也晋级为多模态：

2024年1月 ，荣耀发布自研端侧70亿参数渠道级AI大模型“魔法大模型”宗族，包含言语大模型和图画、语音多模态大模型，支撑才智成片、图库语义查找等功用 ，让AI可以“了解”图片；在购物
、文娱 、作业等场景，敞开跨年代交互体会 。2024年5月
，vivo发布多模态大模型技能运用“vivo看见-蓝心晋级版”，用于协助视障用户了解国际。

随同职业多模态才干的打破，以往受限于才干缺乏的AI运用 ，也迎来了才干打破 。

其间 ，最杰出的运用领域便是Agent（智能体）
。经过调用手机屏幕截图，再将图片供给给多模态大模型的方法，AI开端可以实在“了解”屏幕信息，并依据用户指令作业。这就有了上一年以荣耀为首等一系列手机厂商开卷智能体的动作 ，从荣耀的YoYo智能体到vivo蓝心智能体再到OPPO的“AI问屏” ，都是根据多模态才干完成的自主智能体产品。

根据多模态才干的AI修图系列功用
，也是运用愈加广泛的方向。早在2010年 ，手机厂商就开端探究根据图画了解的AI拍摄算法 ，经过对图片的了解 ，用算法复原图片生成的细节。

而在生成式AI才干进化的当下，根据多模态大模型的一系列图片优化功用也是厂商要点宣扬的方向 。从各大手机厂商必备的一键修图 、图片辨认等功用 ，都是根据人们日常日子中的需求动身。

这一次 ，荣耀也在发布会上带来了AI修图带来的更多或许性。比方用AI完成“一键抠图”，让没有PS功底的用户也能轻松从图片中抠出人像，自在移动修改；再比方“AI消除眼镜反光”的功用，经过AI消除去摄影时眼镜折射的颜色 。

在智能终端需求和多模态才干遍及的当下 ，二者一拍即合。

AI功用那么多，能用起来的有几个？

从大模型炽热以来，手机厂商对AI的热心无比高涨，开发的功用也是数不胜数 。

从对话式谈天帮手、AI笔记、AI修图到AI智能体 ，不上十几个原生的AI运用，那都无法叫AI手机。

不过，用户实在能日常运用起来的高频运用，并不多 。许多AI功用，要么是独立APP上有更好的替代品，要么便是功用鸡肋用不起来 。

另一方面，不少AI运用现在的运用门槛还比较高，一个是对用户的硬件环境有要求，需求PC端至少4090的显卡才干跑起来；另一个是对用户的技能有必定要求 ，下载 、简略布置
、乃至海外账号的设置都能拦截掉一大批人 。

以上面说到的图生视频来说，尽管可灵、海螺的产品比较老练 ，有了很高的可用性，但用户也仅仅局限于相对专业的用户规模内，比方设计师、动画制造师、新媒体从业者等，普通用户想自己用起来还十分难 。

但荣耀和生数科技Vidu共同在端侧新推出的图生视频功用，无论是用来将过往的老相片变成视频，仍是靠图生视频捉住鲜活的时间，就又给用户记载日子，创造创意增添了许多或许。

而一张相片的视频生成
，仅仅一个开端 。

智能终端与AI公司联手后，参阅生视频、文生视频等AI视频的更多玩法 ，都有望进一步迁移到智能终端中 。

当然 ，这将进一步检测两边端侧AI 、云端协同的技能才干，本钱下降的才干。但实在能让用户用起来
，才干实在增强产品的竞赛力，在手机竞赛的红海中逆势上升 。

2024年 ，手机商场改变现已证明了AI关于手机销量的促进作用 。在全球手机销量接连下滑两年后 
，于AI概念实在落地手机的2024年 ，全球现已接连4个季度完成了同比增加。商场调研组织Canalys供给数据显现
，2024年全球手机销量到达12.2亿，同比增加7%。

比起在技能层的炫技，本年 ，AI在端侧的落地将给人带来更多惊喜。

特别声明：本文为协作媒体授权专栏转载，文章版权归原作者及原出处一切。文章系作者个人观点 ，不代表专栏的态度，转载请联络原作者及原出处获取授权 。(有任何疑问都请联络idonewsdonews.com)。