北京
周一美團發布了他們第一個AI視頻模型，
LongCat-Video，
13.6B參數，單個模型就能完成文生視頻，圖生視頻，視頻續寫，以及生成超長視頻，輸出的視頻參數是720p，30fps 。但我自己電腦有點拖不動比較完整/長時間的測試，所以發動了面子果實，找到美團LongCat團隊幫我開了內部測試權限。
所以在這篇文章你能看到LongCat-Video完全真實的效果，它到底能不能生成5分鐘不崩的長視頻，以及美團為什么要做AI視頻？
先說結論，
美團LongCat-Video給我的感覺是，它玩的就是真實。
就比如這個視頻，你能看出從第幾秒開始是我用LongCat-Video續寫出來的嗎？
答案是2秒之后全部都是生成的內容，整個畫面延續了原片自行車行駛的速度、環境，動態非常流暢真實。
LongCat-Video很擅長這種第一視角的穿越視頻，甚至可以一次性生成5分鐘的穿越視頻，中間過程非常自然連貫，與真實世界非常相似。
技術團隊給LongCat-Video的定位是世界模型，跟普通的視頻模型追求生成風格多樣、場景多樣的視頻的目標不同，世界模型，要理解現實世界的動態、物理規律和因果關系。
英偉達在GTC上反復強調這個概念，他們給出的應用case，是給智能汽車模擬不同的交通流量模式、路況、天氣和光照，是給機器人開發空間智能，是給交通樞紐給人群提供視頻分析。
換而言之，世界模型的核心，不是電影制作機，它是模擬器，能投射出真實世界的狀態。
所以我們這次測評，會專注于它對物理世界和因果邏輯的理解，盡可能的去看LongCat-Video對于真實世界的呈現程度。首先我做了一個經典滑板動作，和以往不同，我這次強調讓它做出一個指定的Ollie動作，
對于這種非普遍的固定動作的完成，我沒有補充說明，LongCat-Video靠“Ollie”這個提示詞就跳起來然后穩穩落地，畫面中各個元素的變化，包括人物和滑板之間的力作用里都很真實，可惜的是滑板本體轉動的時候出現變形。
再看看LongCat-Video做出來的吃播視頻，
是真的有在吃進去，食物進到了嘴巴里的同時盤子中的分量在減少，并且人物是有相應的表現力吃播表情的，如果清晰度和畫面的打光可以少點銳化就好了。以后美團點外賣不會給每道菜都插入吃播吧。。。
再來就是人物講解說話的鏡頭，
重點看人物的嘴形、眨眼、手部動作，雖然目前是沒有聲音的，但一分鐘的畫面里面沒有出現過嘴形來回循環播放的片段，而且手部晃動這個香水的時候，瓶子里的液體也會對應細微晃動。
看完這幾個case，我最大的感受是，LongCat-Video的世界觀是樸素且正確的。
它可能畫不出Sora那種宏大瑰麗、充滿想象力的超現實史詩，但它能模擬出一個我們每天生活的、符合牛頓定律的世界。 而對于美團來說，后者遠比前者重要一百倍。
最后我搞了點大白話說一下這次LongCat-Video的技術亮點，
為什么可以原生輸出5分鐘的不穿幫的視頻，
它依托了一種叫視頻續寫任務的預訓練方式。在訓練的時候，LongCat-Video看的不是零碎的短片，而是大量的連續劇。它的大腦天生就在思考接下來會發生什么，而不是這個畫面應該長什么樣。
模型在看連續劇的時候，不是一幀一幀地看，而是一段一段、一個事件一個事件地看。它理解的是“動作的起承轉合”，這是一種叫Block-Causal Attention的機制，這樣生成的長時間的動作不會輕易斷裂。
在生成長視頻時，LongCat-Video還會把前面算過的不變的東西，比如背景里的那棟樓，先緩存起來，不用每一幀都重新算一遍，這樣就可以提升到5分鐘了
https://meituan-longcat.github.io/LongCat-Video/
這里面還有更多放出來的case，可以看到更多風格，現實交互和人物運動等等等等。
其實AI視頻發展到現在，視頻生成模型的分野已經出現了。
一類是為內容服務的，要的是視覺奇觀，是多樣化的畫面風格，是創造一個又一個故事。
而另一類，就是世界模型，它們的目標是模擬現實，是做推演，為產業提供數據模擬。
他們并不是完全獨立，切割開的，一個好的世界模型也會是好的視頻模型。
對美團來說是早晚會踏出的一步，
他們的核心業務，本質上就是一場規模龐大，每秒都在發生的物理實驗。
不需要AI去生成一個賽博朋克城市，
但需要AI告訴他們，
幾點鐘，哪個路口會開始堵車？ 一個騎手在暴雨天氣下，穿過一個有積水的十字路口，需要額外多花多少秒？ 一個無人機配送包裹，在十五公里的時速下，側面吹來的三級風，會如何影響它的電量消耗和穩定性？
這些，全部都是世界模型可以解決的問題。
我期待它能接入更多來自美團自有業務的真實世界數據，
模擬一場從國貿到望京的晚高峰擁堵，模擬一個外賣訂單在雷暴天氣下的最優配送路徑，模擬一棟寫字樓在午餐高峰期的電梯運行和人流動態？
當一個AI視頻模型開始真正理解并模擬我們腳下的這片土地時，
它就不再是少數人的工具。
這是美團做AI視頻，
讓我感到興奮的點。
@ 作者 / 卡爾 & 阿湯
最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發｜評論
如果想要第一時間收到推送，不妨給我個星標
更多的內容正在不斷填坑中……
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
