字節大模型內部賽馬，下一個爆款 or 燒錢深坑？_風聞
Tech星球-Tech星球官方账号-聚焦互联网前沿科技和新商业。42分钟前
文 | 陳橋輝
今年最火的兩款全球AI產品，當屬視頻生成大模型產品Sora和音樂生成大模型產品Suno。
今年4月，經Suno爆改的周杰倫金曲《以父之名》和《夜曲》直接封神，在音樂界掀起了一股不小的波瀾。不少人認為，這兩條賽道會催生出新的爆款產品，誰能夠拿下其中一條賽道，誰就能成為AI行業的王者。
兩款AI產品的火爆，迅速點燃了國內大廠對這兩條賽道的爭奪戰。阿里發佈了通義萬相AI視頻服務，字節跳動發佈了“PixelDance”，快手發佈了視頻大模型產品“可靈”，QQ音樂、網易雲音樂也發佈了AI創作功能，而AI頭部公司的Minimax、生數科技、智譜AI也紛紛跟進。
在這兩條熱門賽道中最不遺餘力的當屬字節。9月24日，火山引擎在深圳舉辦AI創新巡展上，發佈了豆包視頻生成-PixelDance、豆包視頻生成-Seaweed兩款大模型，意味着字節正式宣告進軍AI視頻生成賽道。
不僅如此，字節還在音樂生成賽道上，推出了Seed-Music音樂生成模型，並於今年7月推出了發佈了全新版本的海綿音樂APP，主打“一鍵創作你的AI音樂”，這款產品也是字節AI音樂產品的代表作。
至此，字節完成了在AI視頻和AI音樂這兩條熱門賽道上的全佈局。火力全開之下的字節，能夠得償所願嗎？
字節AI賽道創業：試錯、內部賽馬並舉
豆包視頻生成大模型的發佈，是字節在AI領域的一次重磅亮相。
據火山引擎介紹，豆包視頻生成模型基於DiT架構，通過高效的DiT融合計算單元，讓視頻在大動態與運鏡中自由切換，擁有變焦、環繞、平搖、縮放、目標跟隨等多鏡頭語言能力。
而在此前視頻生成模型大多隻能完成簡單指令，豆包視頻生成模型則能實現自然連貫的多拍動作與多主體複雜交互。例如，後者可以讓不同人物完成多個動作指令的互動，使人物樣貌、服裝細節甚至頭飾，在不同運鏡下也保持一致，接近實拍效果。
基於豆包視頻生成大模型，字節內部也推出了相關的具有AI視頻生產能力的產品，主要由兩個業務團隊在推進，一個是豆包，一個是剪映，可以看做是內部的一場賽馬。
豆包對外的產品是豆包APP，剪映則是即夢AI APP，兩者的底層技術都是使用的豆包視頻生成大模型，即夢使用的是豆包視頻生成大模型“PixelDance”。
兩款產品雖然都有着視頻生成能力，但即夢更具有代表性。
即夢的前身是Dreamina，是原字節跳動中國CEO、轉崗至剪映的業務負責人張楠的創業項目。剛上線之時，這僅僅是一個文生圖的創作產品。隨後，Dreamina瞄上了Sora的潛力，內部基於PixelDance模型開始研發視頻生成能力，今年2月，Dreamina的視頻生成服務開啓對外測試。
今年5月，Dreamina改名即夢，宣佈其AI作圖和AI視頻生成功能全量上線，並在抖音內進行大量投放。張楠更是在朋友圈轉發，稱即夢剛剛上線，還有很多待優化的地方。
到了2022年底，隨着國內AI浪潮出現後，海綿樂隊才開始轉向AI領域，並加入AI作曲能力，但此時的創作能力很一般，“因為此時的字節，並沒有成體系的音樂生成大模型，海綿樂隊只能靠自己去摸索”，一位曾在海綿樂隊工作的員工向Tech星球表示。
2023年6月推出了新版本，主打哼唱成曲和伴奏製作，雖然在AI能力上仍不出眾，但對接下來的試錯和更新提供了經驗。隨着豆包音樂生成模型的出現，才讓海綿樂隊有了一戰之力，最終在今年7月，更名為海綿音樂，主攻AI音樂創作賽道。目前，已經開始在各渠道進行投放推廣。
需要注意的是，字節的AI產品在這兩條賽道上的發展並不是獨立，而是相互競爭。豆包、即夢在近期也開始推出音樂生成服務，逐步滲透到AI音樂賽道，“競爭是無可避免的，誰都想成為爆款AI產品，誰都想成為或繼續保持在內部的核心位置，這無疑需要AI產品更加具有綜合體驗”，即夢的一位運營告訴Tech星球。
左手視頻，右手音樂
據七麥數據顯示，字節視頻生成APP即夢自今年8月上線以來，在iOS端的攝影與錄像（免費）榜單的排名逐漸上升，兩個月時間，已經穩定在前40的名次，安卓端，近30天日均下載量，為22978次。
截至9月，豆包大模型日均tokens使用量已經超過1.3萬億，相比5月首次發佈時猛增十倍，其中不乏即夢所作出的貢獻。
在商業模式上，即夢已推出會員體系，有79元單月、69元連續包月和659元包年的基礎會員等不同訂閲方式。具體來説，基礎會員每月可使用505個積分生成約2020張圖片或168個AI視頻。
有分析人士認為，即夢目前的產品功能、商業模式聚焦於服務UGC（用户生成內容），與抖音的生態融合將是未來的發展重點。
相比於字節在視頻生成方面取得的成績，字節在音樂生成方面，目前仍然是不温不火。七麥數據顯示，海綿音樂有着廣告投放，但並沒有在iOS端，取得排名，近30日日均下載量僅為15次。
音樂行業人士李磊認為，雖然AI音樂很火，但好聽的AI歌曲創作多來自於專業人士，普通用户對於AI音樂生成工具的使用門檻和學習成本也有一定的要求，如果工具過於複雜或難以使用，就會影響用户的體驗和接受度。而且，用户對AI音樂的接受度也需要時間來培養。
“字節在多個領域都有業務佈局，在資源有限的情況下，公司需要在不同業務之間進行資源分配和權衡。AI音樂生成領域雖然具有很大的發展潛力，但在前期需要大量的研發投入和市場推廣，相比於更加成熟的AI視頻，公司肯定更願意加大對這一塊的力度投入”，一位汽水音樂的運營小可告訴Tech星球。
下一個AI爆款，還是燒錢深坑
不可否認，AIGC（人工智能生成內容）是一個巨大的市場，量子位智庫預計，2024年我國AIGC應用市場規模達到200億。2030年，我國AIGC應用將成為萬億規模市場，五年(2024-2028年)平均複合增長率超過30%。
目前，國內在視頻生成模型方面，有優勢的是快手和字節跳動，因為二者的業務離視頻更近，能夠待其視頻生成足夠優秀之後會快速完成拉新，並帶動用户體驗提升。
而背靠快手的視頻生成AI產品可靈，也成為了字節在AI視頻賽道上最有力的競爭者。
可靈的發展速度也很迅猛，今年8月的官方數據顯示，可靈累計生成視頻數量超過1600萬，不到2個月，可靈AI已有超過360萬用户，累計生成3700萬個視頻和超過一億張圖片。
近日，快手副總裁、大模型團隊負責人張迪宣佈，可靈AI將內測視頻人臉模型功能。該功能基於創新的ID保持能力，支持用户自助訓練人臉模型，完成訓練後，可使用該模型進行5秒至10秒的文生視頻。
此外，AI視頻生成技術研發成本高和週期長也是一個事實。據界面新聞報道，百度CEO李彥宏稱“百度不做Sora”後，有關“中國版Sora到底值不值得做”的話題，在微博、小紅書等社交媒體引發眾多爭論。
李彥宏在內部講話中稱，Sora這種視頻生成模型的投入週期太長，10年、20年都可能拿不到業務收益，無論多火爆，百度都不去做。
AI音樂生成方面，版本正在快速迭代，字節仍需快馬加鞭。近日，AI音樂創作平台Suno推出的一項創新功能——SunoScenes，允許用户通過上傳照片和視頻作為提示詞，生成與之相匹配的30秒音樂。
而且，音樂數據的版權問題也是一個挑戰。獲取合法的音樂數據，需要與版權方進行合作，這可能會增加成本和難度。同時，音樂數據的質量也參差不齊，如何篩選和整理高質量的音樂數據用於模型訓練是一個重要的問題。