DeepSeek R1 面世之后，整个 AI 行业似乎再次被推入了一个全新的、前所未有的加速轨道。
“深度思考”成为模型的基本配置，像 Manus 这样能够干活的 Agent 开始融入我们的工作流程，GPT-4o 的生成图片功能使得每个人都能够做出可与专业水平相媲美的风格。
今天凌晨，Runway 的新 Gen-4 版本再次尝试去解决 AI 视频的一个重要难题，使 AI 视频更趋近于电影级的水平。
这一切仅在短短两个多月的时间内发生。很难想象今年的 AI 会发展到何种程度。或许今年会成为 GPT-3.5 之后真正的 AI 爆发之年。
这是一个导演酝酿了十余年却始终未能用 AI 实现的故事。
在此之前，若要用 AI 打造这部视频，就需要攻克许多难题。其一，要保证角色形象的连贯性；其二，要确保情感表达的细腻度；其三，要让物理效果具有真实感；其四，要维持叙事的连续性；最后，要实现整体风格的统一性。
老牌 AI 视频生成巨头的最新模型 Runway Gen-4 到来了，这款模型号称全球首款实现“世界一致性”，它横空出世，意味着用户能够创建具有一致环境、物体、位置和角色的连贯世界，从而让导演的梦想照进现实。
现在 Runway Gen-4 已经对所有付费用户以及企业客户开放了。Runway 团队还透露，即将推出用于保证角色、位置和物体一致性的场景参考功能。
官网显示，Gen-4 的核心亮点包括：
世界具有一致性，能够在众多场景里维持人物、场景以及物体的一致性，并且不需要进行额外的精细调整。
仅凭借一张参考图，就能够在不同的光线以及各种场景里生成出一致的角色或者物体。
场景覆盖：从任意角度重建和捕捉场景，只需提供参考图和描述。
物理效果包括模拟真实世界的物理规律，并且能够呈现逼真的光照效果、阴影效果以及动态效果。
视频质量：具备极强的提示理解能力和世界构建能力。
生成式视觉特效能够提供快速且可控的视频特效，并且可以与实拍以及传统特效实现无缝融合。
Runway 的联合创始人兼 CEO Cristóbal Valenzuela Barrera 在 X 平台上进行发文并表示：
我们新一代的 AI 模型系列是用于媒体生成且与世界保持一致性的。现在，它来了。欢迎 Gen-4 的降临。这个模型极具特殊性，我们从最开始就完全为了一个目标而打造它，那就是讲述精彩的故事。
开篇提到，Gen-4 的最大亮点是实现了“世界一致性”。它能够在多个场景中精准生成人物、场景和物体，并且能保持这些元素视觉特征的一致性。
用户设定好整体风格和视觉效果，模型就能做到在保持每一帧独特风格、氛围和电影质感的同时，还能维持连贯的世界环境。并且，这一切都无需精调或额外训练。
Gen-4 能够结合视觉参考与文字指令，从而生成风格、主题、场景高度一致的图像和视频。这大幅简化了专业内容创作的流程，使得用户现在能够制作 5 秒和 10 秒的 720p 高清视频片段。
Runway 团队为了展现 Gen-4 的潜力，精心制作了一系列短片。
开场镜头为《The Lonely Little Flame》整个短片定下了基调、营造了感觉并渲染了氛围。在某一个场景里，有一只臭鼬在进行寻找东西的行为。通过 Gen 4，创作者能够直接对主体进行穿越场景的指导。
他们给臭鼬设定了两个重要的标记点，以此来精确地控制它的移动路径。首先让臭鼬移动到场景的一侧，然后再让它折返回来，这样就成功地营造出了“寻找”的那种动态感。
团队成员解释道，就如同所有伟大的动画那般，在角色设计方面以及场景移动当中，都能够看到丰富的表现力。同一角色在不同的场景里，以及在不同的光照条件下，能够保持一致性，并且还能够表现出不同的情绪和动作。
Runway 团队的一名成员为制作这个片段，在几个小时内生成了几百个单独的视频片段，接着把这些片段编辑成一个连贯的片段，而音效是另外添加的。
Runway 联合创始人兼 CEO Cristóbal Valenzuela Barrera 在接受彭博社采访时表示，这个过程耗费了几天的时间。
传统的视觉特效制作通常要花费很多时间去进行建模、渲染以及后期调整。Runway Gen-4 引入了生成式视觉特效（GVFX）技术，凭借 AI 驱动的生成能力，可以极大地缩短这一过程。
GVFX 的技术核心在于其高效性和适应性。
用户提供简单的视觉参考或者文字描述，像角色的动作啦、场景的氛围呀或者特定的特效需求等，Gen-4 就能够在短时间内生成高质量的视频片段。
Runway 团队在演示中展示了一个具体的应用案例，即“木制玩具”场景。
Runway 团队成员拿出一个木制玩具，接着用手机拍摄照片，然后将照片导入 Gen-4 当作参考。与此同时，他们还上传了之前拍摄的纽约街景作为背景。之后，通过一句简单的描述，即“木制玩具靠在纽约街道的人行道旁”，Gen-4 很快就生成了四张图像。
挑选其中一张。挑选一张后，为画面添加了行人从玩具前走过的动画效果。你可以将这个玩具放置在任何地方，比如山脉中、沙漠里，基本上你想做什么都可以。
《牛群》是一部很扣人心弦的短片。它讲述了这样一个故事：一名年轻男子在夜晚的时候被追赶，然后穿越了一片牛群。Runway 团队仅仅凭借 Gen-4 以及几张简单的图像参考，就构建出了角色的每个镜头，还有那雾气弥漫的牛群场景。
Runway 运用了 Act-One 技术，并且在这个过程中进一步增强了画面的表现力与连贯性。
这部短片中，制作团队着重强调了两个技术亮点。其一，能在牛的眼睛里看到人物的倒影；其二，火焰在草地上蔓延的物理效果十分逼真。
这个案例展示了 Gen-4 利用一致的角色、物体以及环境在多个场景中贯穿的方式。创作者首先从一个精心设计的角色开始，接着构建氛围与外观，然后生成全新的图像，并且为不同的镜头和视角提供多样的变化。
Gen-4 对现实物理世界的理解达到了新高度。
《纽约》短片把纽约不同区域的真实照片和动物的真实照片结合在一起，清晰地展现了 Gen-4 对于物理的理解，以及对动物重量的理解，还有对动物如何在表面移动的理解，以及对动物与环境互动方式的理解。
复杂的创意作品往往从一个简单的构想开始。
视频创作的过程可以像滚雪球那样逐渐壮大。Runway 团队以一个音乐视频为例，起初只是一张极为普通的猴子图像，而后逐步发展，最终形成了一部内容丰富且节奏紧凑的完整音乐视频。
Runway CEO 去年做出了一个重要论断。他说：“AI 正在成为像电力或互联网那样的基础设施。如今称自己为 AI 公司，就如同在 2024 年称自己为互联网公司一样，这没有意义。因为人人都在使用它，每家公司都使用互联网，每家公司也都将使用 AI。”
电力革命关注的并非仅仅是发电厂，而是电灯、电视以及电冰箱是如何对生活产生改变的。在他的观念里，Runway 并非是一家普通的 AI 公司，而是一家从事媒体和娱乐业务的公司。
Runway 之前已经生成了美剧《大卫王朝》的影视场景，同时也为 Puma 制作了广告。
影视行业一直是 AI 视频生成工具重点攻克的领域。去年 9 月，Runway 与著名的电影制作公司狮门影业达成了合作。这是第一个大型电影公司与 AI 视频模型供应商直接签署的协议。
Runway 会利用狮门影业拥有的超过两万部影视作品的资料库，其中包含《饥饿游戏》等知名影片，以此来构建一个定制的 AI 视频制作和编辑模型。这个模型将会被应用于故事板的制作、背景的创建以及特效的制作。
一支好的钢笔不会让作家去思考墨水流动所涉及的物理原理，优秀的 AI 创作工具也不应使导演把精力分散到算法的细节上。
Valenzuela 指出，公司在训练其模型时，参考的是电影行业的术语，而非过去的方式，这样做的目的是让使用该模型的电影制作人在编写提示时能更自然。
我们之后会带来 Gen-4 具体的实际测量。不过，不管这次实际的效果是怎样的，有一个不可争辩的趋势存在，那就是生成 AI 视频生成工具正在对我们所了解的电影和电视行业进行颠覆。
杰弗里·卡森伯格是梦工场的联合创始人，他甚至表示，AI 有可能会将动画电影 90%的岗位给消灭掉。
传统动画制作流程中的诸多环节，像中间帧绘制、背景设计以及着色润色等，有可能被 AI 大幅度地简化或者取代。然而，在这同时，新的专业岗位正在不断地涌现出来，像 AI 提示工程师、视觉开发总监以及 AI - 人类协作编导等这些角色，在未来也将会出现在制作名单当中。
当前 AI 视频技术的普遍水平是能够渲染视频并实现基础生成功能。在 Runway Gen-4 此次的宣传里，强调了 AI 能够创作真实故事，制作出既美观又有娱乐性且能引起情感共鸣的内容。
只有工具变得足够简单，创作者才能够真正关注重要的事情，也就是讲述触动人心的故事。
