国产AI可以拍微电影了！4K、60帧高清画质，自带音效

国产AI正式将视频生成带入了有声电影时代。自从Sora引爆视频生成以来，几乎所有AI生成的视频都是“默片”。但现在，AI视频可以直接自带音效，而且是4K、60帧高清画质。

AI视频生成的水平如何？

我们使用国产AI制作了一部微电影，请观看视频：

这段视频是否已经有电影的感觉了？

这款国产AI的特点

这款名为“清影”的AI具有三大特点：

1. 电影级效果：支持4K、60帧高清，10秒时长和任意比例视频。
2. 模型能力全面提升：背后的CogVideoX模型更懂复杂提示，保持主体连贯性，效果更逼真。
3. 自带音效：引入CogSound模型，自动根据视频内容生成匹配音效，本月将在清言APP上线。

制作流程

1. 使用GLM 4 Plus生成微电影脚本。
2. 生成高清图片，如开头片段。
3. 在清影的图生视频界面上传图片并填写prompt，生成视频片段。

旁白部分

采用的是近期发布的GLM-4-Voice情感语音模型，效果宛如真人配音。

随意一段视频，秒出有声电影片段

CogSound性能测试

我们测试了CogSound对视频内容的理解能力和生成音效的效果。

Round 1：自然环境

测试了一段雨天傍晚房间内的视频，CogSound生成的音效包括雨声和鸟鸣，与视频内容完美契合。

Round 2：动物世界

测试了一段狮子妈妈和幼崽的视频，CogSound准确生成了狮子的叫声和鸟鸣声。

Round 3：多种乐器

测试了一段包含多种乐器演奏的视频，CogSound生成的音效包括萨克斯、钢琴等多种乐器声，音效层次分明。

Round 4：科幻电影

测试了一段《流浪地球》的视频片段，CogSound生成的音效几乎与电影原声无异，显示了其强大的音效生成能力。

先进技术支撑

CogVideoX模型采用了因果3D卷积、专家自适应层归一化等技术，确保生成视频的连贯性和细节。CogSound则通过潜空间扩散模型和块级时间对齐交叉注意力机制，实现了音效与视频的高度同步。

短视频迈入AI时代

多模态是通往AGI的必经之路，智谱通过发布CogSound和即将发布的CogMusic，全面掌握了视频生成中的“音”这块。这意味着现在做短视频，只要有想法就能实现。

总结

国产AI已具备制作高质量微电影的能力，操作简便，只需几步就能生成带有音效的高清视频。这标志着短视频制作进入了AI时代。