一鍵生成十分鐘長視頻?我發現了一個超強的起號套路_風聞
差评XPIN-差评官方账号-用知识和观点Debug the world!49分钟前
開源的風,終於是從大模型吹到了Agent。
不要説線是歪的,因為通往AGI之路註定會有波折

前幾天,字節跳動旗下的Coze(釦子)平台開源了,給本就熱火朝天的 Agent 賽道又加了波猛料。
大家別光顧着吃瓜看熱鬧,其實這背後在説一件事:時代變了。
以前大家比的是誰家模型更聰明,所以拼了命把訓練參數做大、把基礎模型做強。
但現在真正的戰場,已經轉移到了怎麼把大模型用好、用到實處。
説白了,大家都已經不滿足做個簡單的Agent,而是要看Agent 平台怎麼讓AI既能穩定地調用各種工具,又能高效地跟外部世界打交道。
要聊明白這事兒,咱們得先看看AI Agent這幾年是怎麼進化的。
其實業界效仿隔壁自動駕駛的分級,也給Agent強度排了個L1、L2、L3……

最簡單的L1級別的AI Agent,其實就是3年前火起來的以ChatGPt為代表的,一堆大模型對話助手,在這個程度,你也就只能把它當個聊天機器人、信息搜索庫,談不上什麼生產力。
後來,它學聰明瞭點,學會了用些小工具,進化成了 L2 工作流助手。
L2 級別的工作流 Agent 就像個聽話的學徒,你讓它上網查個資料、算個數,它能照着你設定好的步驟一步步完成。
但説到底,還是得你這個當師傅的先把流程圖畫好,所以也沒啥特別的。

真正讓人興奮的,是進化到L3級別的推理型Agent。
突出的代表就是年初爆火的Manus,這也是讓 Agent 有了自主思考和規劃的能力。
這傢伙已經開始像個獨當一面的員工了,規劃個旅遊攻略、寫個PPT、做點論文草稿,分分鐘把活兒安排得明明白白。

但問題來了,就好比人類的職場一樣,專家員工再牛,也幹不了一個團隊的活兒,所以還是得靠人給一堆員工派活。
但這個過程的難度,壓根不比你自己幹來得輕鬆,可能活還沒派完,你的CPU先被幹燒了。
於是大家就想,能不能組個Agent團隊,讓AI來分配專業的AI幹專業的事兒?
結果業界經過了各種各樣嘗試發現,這幫看起來牛逼得不行的Agent湊一塊兒,根本沒法合作!
因為你別看,現在單個Agent執行任務的成功率挺高,但只要組隊,成功率就斷崖式下滑。

一個流程裏,每一步都有95%的成功率,聽起來已經挺好的了吧,但只要跑上20步,整個任務的成功率就直接掉到30%了,是不是有你買足彩1串6、1串7那味兒了。
就在大家為這幫散裝英雄一籌莫展的時候,前兩天,360集團正式發佈的納米AI,好像給出了一種新思路。
納米AI,有些差友可能還不大熟悉,人家是紅衣大叔周鴻禕 360 旗下的AI產品,最近升級成了“多智能體蜂羣”,還號稱是全球唯一真正進化到L4級別智能體。
昨天,紅衣大叔還特地開了場專場發佈會,給大家好好聊了聊納米AI如今的變化。

差評君也去聽完了全程,然後還試用了一波,真覺得有點牛了。
我先不説其他的,就給你看一個納米AI生成的視頻。
差友們可以猜猜這個視頻咱花了多少精力,寫了多少提示詞,後期調整了多少。
我來公佈最終的答案,花的精力就是上傳了一張火鍋的照片,提示詞不到100個字,後期完全沒做任何處理,甚至在納米AI生成視頻的過程中,咱們還去找小發打了一把王者,遊戲結束回來就看到了上面這個視頻。

看視頻效果的時候,背後站了一堆編輯部同事,全在怪叫“牛逼牛逼”,發羣裏也像是誤入藕花深處,驚起一灘“666”。。。
當然了,我們也找了隔壁Manus做了個類似的視頻。
儘管Manus調用了目前最頂級的Veo3視頻生成大模型,但什麼情節、故事都不存在的,純靠着大模型的基礎能力硬撐畫面。
而且,就像昨天直播裏周鴻禕反覆提及的“短視頻起號”,納米AI主打就是“一句話生成大片”。
你還能用更簡單的方法生成視頻。
比如咱們常在影視劇刷到的介紹某個歷史人物生平的視頻,在納米AI裏,直接就有一個專門的Agent叫古人傳記導演,你只需要説一句“于謙的一生”,然後就什麼都不用管了。
結果生成的質量也還是相當高。
説真的,這擱以前,在一些短視頻賬號起號階段,製作類似質量的視頻,一般是一個編導配2-3個剪輯花半天時間才能做出來,現在靠着納米AI,點幾下鼠標十幾分鍾就有了。。。
而且,咱們這個是最基礎的測試(其實是因為打王者,忘記調整細節了),兩個視頻完完全全都是納米AI一手導演的。
而且實際執行過程中,你完全可以在視頻風格、語音音色、最終腳本等等模塊,進行調整修改,來幫助AI生成更好、更符合你需求的視頻。


是不是已經覺得納米AI有點東西了?
昨天直播裏,他們還表示,納米AI的多智能體蜂羣能在一起連續工作2個小時,執行超過1000個步驟,處理9000萬個Token(相當於幾千萬個漢字)的信息量,中間不出錯、不掉鏈子。

這個水平大夥可能有點暈,我就這麼説吧,以 M 記為代表的L3級別的智能體,處理的token數一般只能在百萬級,換算成生成視頻,一般不超過90秒。
所以昨晚老周在直播間也放出話來:“咱們就是目前唯一一個能做10分鐘視頻的Agent。”
為什麼納米AI能實現L3到L4的突破呢?
其實是因為他們找了條多智能體並行的新路子。
簡單來説,納米AI有個超大智能體工廠,裏面有5萬個L3級別(也就是和M記同一級別)的Agent來滿足你的各種需求。
如果你覺得這5萬個都不行,也能自己再做新的L3級別Agent進去。
這麼一來,你手底下就有幾萬個,未來還能越來越多的Agent幫你幹活。

在360智能體工廠的基礎,再加上納米獨創的L4技術,才有了史上最長的10分鐘AI視頻。
這套L4技術説白了,就是在納米多智能體蜂羣的平台裏,給這幫平日裏單打獨鬥的Agent們,加裝了一套超級通訊系統和共享的作戰指揮室。
除了有部門經理和項目經理互相調度,各個賽博牛馬之間也不再有溝通障礙,所有智能體都在同一個頻道里聊天,一個眼神就知道對方想幹啥,再也不怕傳話傳歪了。

我們拿前面于謙的視頻舉例,我提示詞只輸入了“于謙的一生”。
納米AI能夠自己思考我要的是啥,比如要的是歷史人物于謙,不是德雲社的大爺于謙。
然後根據這個思路一點點研究于謙的生平,編寫文案標題和相應的分鏡腳本,接下來,又會根據這些分鏡生成相應的圖片,再把圖片生成視頻片段,最後再像一個後期一樣,把這些片段素材全部整合到一起剪輯成成片。

而且,在這個執行過程中,納米AI能夠最多支持100個工具同時調用。
你可別小看這個數字,之前Manus爆火的時候,網上對它的詬病最多的就是速度實在太慢,因為它作為L3級別的Agent,只能一項命令一項命令的執行,調用上一個工具,完成需求,才能繼續思考下一步怎麼做,想清楚之後再調用下一個工具。
但納米AI的多智能體蜂羣完全能夠做到邊想邊幹,我這邊還在調用工具進行配音,那邊已經在想着調用大模型生成視頻畫面了,這也大大提升了Agent的執行速度。
不僅如此,更絕的是,納米AI為了搞定步驟一多,Agent容易出錯雪崩的情況,還做了點安全冗餘。
周鴻禕在直播時透露自家產品用了一套比較暴力的解決方式,那就是用token換正確率。

比如生成某段視頻的分鏡圖片時,單智能體不是容易出錯嗎?
但納米AI可以多智能體並行操作,那我每個畫面都同時找三四個畫手一起畫,加一個把關的步驟,把生成失敗、出錯的剔除出去,保留正確的畫面,這樣就能大大提升成功率了。
當然了,儘管有了這些安全冗餘,但AI還是會出錯。
咱們在測試時,也出現了一次任務報錯,但納米AI人還怪好的,因為有些Agent任務出錯了消耗的token可不退你,而納米AI是全額返還的。

至於一些生成視頻文字上的瑕疵、前後一致性還不是完美之類的問題,偶爾也還是會出現。
但那句話怎麼説的,只要方向對了,走得再慢也是在一步步接近目的地。而類似大模型基礎能力上不足,其實也是目前業內大夥們提升的方向。
而且,該説不説,咱挺認同納米AI現在的這個思路的。
周鴻禕昨晚也説了,現在製作短視頻其實是人人的剛需,你做什麼賬號能不做短視頻,甚至發朋友圈也要vlog吧。
買書買課不如學會用AI

那讓AI最快成為人人都愛用的、能改變大家生活的方式,不就是在解決大家的實際需求嗎?
強如大模型也得做一個ChatGPT的載體,才能在全球爆火,而Agent界的ChatGPT遲遲沒出現,這也是為啥業界和用户之間有種割裂感。
啥公司都在説我們有Agent,多牛多牛,但我一個普通老百姓,感覺根本用不到啊。
而且,納米AI的一句話生成視頻,只是他們選擇的主攻點,實際上,你可以在L4級別多智能體蜂羣裏,根據自己的需求從0搭建專屬自己的AI團隊。
喜歡吃瓜的,可以做一個每天娛樂大新聞總結Agent;喜歡體育的,可以做一個專屬自己的體育報道AI天團。。。

昨天周鴻禕一直在強調,目前的大模型能力已經相當強悍,但出於各種原因,它真正的能力並沒有完全展現。
在他看來,Agent就是目前能夠最大限度挖掘大模型能力的橋樑,而通過多智能體共同參與,就能很好地處理現階段的一些人類需求,真正讓人覺得AI牛逼。
説到底,AI的未來,可能不取決於技術參數有多高、模型有多大,而在於它能不能像納米AI這樣,少談點玄乎的概念,多做個好視頻、寫個好方案,可能更有用。
當AI不再是一個遙不可及的神,而是我們隨時可以拉來組隊幹活、不知疲倦的賽博牛馬時,AI的下半場,才算真正開場了。
圖片、資料來源:
納米AI
即夢
