ReaderMX.
阑夕

AI视频王炸：Runway Gen-3体验报告

阑→约 4 分钟
Image
文 ｜ 阑夕
Runway应该是最早占据文生视频这条赛道的大模型品牌了，去年就有很多人采用Midjourney+Runway的工作流来实现图片的动态效果，而Runway也和紧随其后的同类产品Pika互称瑜亮，几乎可以说是AI视频生产的唯二选项。
没想到的是，今年年初，OpenAI的Sora横空出世，以颠覆性的稳定性和支持长度进行了降维打击，把其他AI视频工具衬托得有如婴儿学步，从此，整个行业都在屏息等待Sora的正式发布。
然后等了个寂寞。
我们至今仍未知晓Sora如此难以公测的原因是什么，除了OpenAI还在断断续续的更新Sora生成作品，以及偶尔授权给第三方专业影视艺术家公开一些应用案例，普通用户和Sora之间的距离始终没能缩短，半年以来望穿秋水却不可得，连扩大测试范围的机会都没有，堪称业内一大谜题。
也许OpenAI的开发优先级里，排在最前面的还是语言大模型吧，连GPT-5都疑似难产了，Sora靠边站也不难理解。
无论如何，就在OpenAI憋大招的这段时间里，视频领域的大模型进步巨大，比如快手的可灵就已经在部分场景里达到了逼近Sora的水平，而Runway这几天全量开放的新一代模型Gen-3 Alpha，甚至配得上「当前能用的最强AI视频产品」这个评价。
不过，Runway Gen-3的付费方案相对来说还是偏贵的，按照12美元/月的年费套餐来算，每个月的积分额度，只够生成62秒的视频，相当于每5秒的视频就要消耗掉1美元，无论是以生产力工具还是AI玩具而言，都很烧钱。
我零零碎碎的体验了一整天下来，出片总计花费差不多100美元，在接受了不太友好的经济性之后，从生成品质来看，确实是断层式的优秀，不但对提示词的敏感度够高，尤其在镜头视角的控制和影视特效的实现两个层面，非常让人满意。
先贴一组我的生成作品吧，视频里的音乐都是用剪映后期加的：
提示词：一个年轻的小提琴手在昏暗的舞台上演奏，灯光下的阴影，中等特写镜头，缓慢拉远，黑白摄影风格。
提示词：虹膜微距镜头拍摄，逐渐放大，然后过渡到木星上的大红斑。
提示词：一栋废弃的建筑内的POV录像，镜头转向一面墙，上面写着「VME 50」。
提示词：FPS射击游戏，带有视觉HUD显示，夜晚，枪头装有照明设备。
提示词：随着一本旧书的翻页，由字母和段落建造微小的建筑依次出现。
提示词：复古录像带素材，黑暗而空旷的山谷，摇晃的摄像机，低分辨率，一个UFO在空中飞行。
提示词：移轴拍摄一艘玩具快艇在海洋中全速前进，快艇在海洋中颠簸，不断激起水花，动态模糊。
提示词：第一人称视角，展示一艘太空飞船接近地球的场景，电影般的光线。
提示词：一只黑猫在白色背景上从左向右走，卡通风格。
提示词：用红色霓虹灯3D笔触创造出单词「LANXI」，具有复古气息，单词在场景结束时完成。
总体来看，虽然瑕疵依然很多，但和上一代Gen-2以及除了Sora之外的同行相比，已经产生了质的飞跃，不再是生硬的图片动态化处理，而是真正有了对视频语言的判断和输出。
这次Gen-3的发布，正好和Runway开展新一轮融资的周期重叠，据说估值已经到了40亿美元，一年时间里翻了接近3倍，而40亿美元也相当于Runway年订阅营收（ARR）的160倍，只能说有够夸张的，也意味着投资方需要极度看好Runway的货币化增长。
这不，Gen-3的抢钱套餐就出炉了嘛……我在Discord社群里刷到的都是一边爽出视频一边大呼肉疼的心声，如果未来成本不做优化的话，续订率可能还是值得堪忧的。
和菜头认为AI的价值在于可以实现天马行空的想象力，由此构筑出内容的独特性，这是我很赞同的，而独特性不是凭空出现的，它的底座源于大量的练习、模仿和试错，而AI可以缩减中间成本，用虚构的实现来弥补人类知觉的不足，这就是技术的意义了。
其实在我的体验过程里，光是消化帮助文档的时间，都要比改提示词和等待生成的时间加起来都多，也用了GPT-4o来做辅助，比如先找到符合内心所想的图片，再让GPT-4o帮助拆解构图文本，最后用来解释给Runway Gen-3去做理解。
一切的原点都是表达，没有任何AI能够具备读心能力，工具的上限，永远取决于使用者自己的上限，某种程度上，AI会让人更累，世界的信息被压缩到大脑之后，再由文本和语言重新解压出来，非但要保持准度和精度，还得形成需求，让AI尽可能的无损理解，这是一件费心不费力的事情。
多看，多想，多说，多试，这样的重复，永远不会错。
Image

KEEP THE THREAD GOING

更多来源文章