馬斯克進軍AI視頻

　　馬斯克也要打造自己的視頻生成模型了??

　　就在最近，xAI收購了一家視頻生成初創(chuàng)公司，這家僅4個人的公司過去兩年打造出了Hotshot這款產(chǎn)品。

　　據(jù)公告介紹，Hotshot至今已有3款視頻生成基礎(chǔ)模型。被收購之后，目前已停止推出新的視頻創(chuàng)作功能，而且用戶過往創(chuàng)作的視頻截止下載時間為3月30日。

　　一看這架勢，網(wǎng)友們紛紛想起了老馬在今年1月的一場直播活動中擲下的豪言：

　　預(yù)計將在幾個月內(nèi)發(fā)布Grok視頻模型

　　而且就在Hotshot聯(lián)創(chuàng)&CEO公布上述消息之后，老馬也*時間跑來賣關(guān)子：

　　酷炫視頻AI即將到來!

　　期待值被拉滿的同時，眾人也齊刷刷表達了對Hotshot團隊的祝賀：

　　那么，這是一家怎樣的團隊呢?為什么它能被馬斯克“看上”?

　　答案這就揭曉——

　　4人團兩年打造“Sora”

　　概括而言，Hotshot之所以能入老馬的眼，原因顯然在于兩方面：

　　一是“小團隊也有大能量”，據(jù)悉Hotshot團隊一共只有4個人，但他們在13個月里連續(xù)訓(xùn)練出了3個視頻生成模型，且獲得了一定程度的用戶關(guān)注;二是雖然成立不久，但投資者中不乏Reddit聯(lián)合創(chuàng)始人Alexis Ohanian等大佬。

　　從Hotshot官網(wǎng)公布的信息來看，這個4人小團隊在兩年時間里成功打造出了“Sora”模型。

　　4人中有兩位是聯(lián)合創(chuàng)始人。

　　聯(lián)創(chuàng)&CEO Aakash Sastry(右邊)，和另一位聯(lián)創(chuàng)&CTO John Mullan(左邊)早在2012年就相識了。

　　認識之前，前者正在構(gòu)建一個視頻聊天應(yīng)用，后者正在嘗試打造視覺通訊應(yīng)用(visual communication apps)。

　　不過，在看到Aakash Sastry的視頻聊天應(yīng)用失敗之后(本以為是很酷的想法，結(jié)果可能因為理念超前，大家很害怕視頻通話)，兩人一致意識到：

　　我們需要創(chuàng)造一個讓人們在網(wǎng)上表達自己的同時，也感到舒適和自由的環(huán)境。

　　于是，Hotshot逐漸誕生了。

　　2017年，兩人共同成立了一家公司——Natural Synthetics(Hotshot背后公司)，開始構(gòu)建各種不同的社交應(yīng)用。

　　到了2023年1月，他們正式在iOS應(yīng)用商店發(fā)布了Hotshot。

　　不過需要注意，Hotshot一開始并不是做AI視頻生成，而是圖片生成。

　　基于開源的圖片生成模型Stable Diffusion，Hotshot為用戶免費提供個人、朋友甚至是名人的圖片。

　　直到后來逐漸被視頻生成吸引，因此他們又開始訓(xùn)練視頻生成模型。

　　和之前類似，一開始他們也打算基于開源模型構(gòu)建，不過后面意識到：1)基礎(chǔ)模型需要大幅改進;2)為了自由構(gòu)建引人入勝的用戶體驗，需要對底層模型擁有控制權(quán)。

　　于是，他們正式?jīng)Q定自研視頻模型。

　　在過去的13個月里，他們訓(xùn)練了3個不同的視頻模型：

　　*個Hotshot-XL：耗時3個月開發(fā)，每秒生成8幀視頻，開源后至今每月約有2萬名新的開發(fā)者和藝術(shù)家使用;

　　第二個Hotshot Act-One：耗時5個月開發(fā)，生成3秒8fps的視頻，基于2億個公開視頻訓(xùn)練而成;

　　第三個Hotshot：耗時4個月開發(fā)，生成最長10秒的720p視頻，限文生視頻。

　　按照Hotshot發(fā)布時的說法，在各種提示評估中，70%的情況下用戶更喜歡Hotshot的結(jié)果，而不是其他開源文生視頻模型。

　　另外，從CEO Aakash Sastry公布的消息來看，Hotshot的投資者包括Stripe前高管Lachy Groom、Reddit聯(lián)合創(chuàng)始人Alexis Ohanian以及SV Angel在內(nèi)的風(fēng)險投資機構(gòu)。

　　至于具體融資次數(shù)和規(guī)模，Hotshot尚未公開披露，而且也不清楚整個Hotshot團隊是否會集體加入xAI。

　　馬斯克想開發(fā)自己的視頻生成模型?

　　事實上，早在今年1月，馬斯克在一場直播活動中就透露了自研視頻生成模型的想法：

　　(指路原推文視頻15:02)

　　對于自家的Grok模型一直沒有視頻生成功能這事兒，老馬本人和用戶都不太滿意。

　　而要解決這個問題，通常來說有兩條路可走：

　　要么直接接入其他家模型，要么自研。

　　從Grok之前的一些傾向來看，他們主要選擇*種方案，比如其Grok-2的文生圖功能，就是通過與此前備受矚目的Flux深度融合實現(xiàn)。

　　然而現(xiàn)在，老馬明顯轉(zhuǎn)向了。

　　為了和OpenAI、谷歌等展開長期競爭，xAI最終也是走上了自研之路，開始通過收購進一步布局。

　　不過不管怎樣，對于我們普通用戶來說，期待Grok的視頻生成功能就完事了!