 文｜乐乐。入驻 今日 ，视频手机无线蓝牙耳机（TWS）现已成为人人都用得起的多模的新产品 。
。态成 但退回到9年前 ，智能终端战场苹果AirPods是入驻全球榜首款实在意义上的无线蓝牙耳机
。靠着自研并申请专利的视频手机Snoop监听技能，苹果处理了蓝牙耳机左右延时和能耗纷歧的多模的新问题。由此 ，态成AirPods吃下了2016-2018年的智能终端战场大部分商场 ，直到两年后其它厂商才学会相似技能 。入驻 靠技能盈利取胜 ，视频手机是多模的新苹果的经典操作
，也是态成今日的手机厂商们在苹果身上学到的重要一课 。 关于近两年的智能终端战场手机商场来说
，AI无疑便是搅动手机商场的关键技能变量
。 为了找到AI技能落地的杀手级功用 ，从Agent
、AI修图到AI问答 ，智能终端在做的作业便是在AI生态上尽或许做各式各样的加法 。 在高度同质化的AI手机赛道 ，手机厂商们亟需找到立异的AI技能落地功用 。而荣耀，正在悄然拿下多个首发优势。 在近期荣耀400的发布会现场 ，图生视频成了荣耀“吃螃蟹”的又一首发功用 ，这背面是协作方生数科技旗下的AI视频大模型在移动端的初次规模化落地 。 联手生数科技Vidu
，荣耀打破了三大难关——坚持风格共同性 、对物理国际的了解
、端侧本钱紧缩
，让用户免费体会“老相片复生术”。 而就在两个月前 ，生数科技 Vidu Q1模型刚以VBench双榜榜首的成果碾压Sora与Runway ，现在就悄然钻进千万用户的口袋
。 这场协作背面，一场更深层的革新正在发酵 。 当时
，多模态正在重构智能终端的交互体会
，手机正成为图生视频技能普惠的战场之一
。当大模型的技能比赛从言语模型延伸到多模态 ，“让回忆重获生命”的图生视频 ，或许正是翻开群众商场的榜首把钥匙
。 当图生视频在手机上跑起来 。 一张由AI制造的“Live Photo”
，成为了荣耀发布会现场世人评论的焦点
。 。 相片中 ，一个小孩抱着窗布看向镜头浅笑 。经由图生视频功用加工后 ，小孩抓着窗布向一边摇晃
，头部也跟着晃动方向轻轻歪斜
，脸上挂着的笑脸变成了动态
，能看到嘴角咧起的弧度和兴起的脸颊 。 在荣耀产品线总裁方飞的演示中，只需求点击“AI生图”功用 ，选定相应相片和生成的视频时长（3秒/5秒） ，AI就能依据图片场景生成一段流通的视频 。上述事例便是由该功用生成 。 早在3月宣告向AI终端生态公司转型的荣耀 ，在数字系列荣耀400上落地了一系列AI才干 。光是相片一项 ，荣耀就上线了AI图生视频 、AI去褶皱、AI去眼镜反光 、AI去玻璃反光 、图生视频等优化功用。 看起来简略的视频演示 ，背面是图生视频技能落地智能终端的一大步 ：霸占了技能难点
，才干让AI视频看起来无限趋近于实在
。 首要 ，要想让视频动起来的作用契合实在国际的运转规则 ，便是视频生成模型们前期的通病 。比方提示词设定成两个人打羽毛球，交给AI来做，球或许会呈现随便飞起或许不依照球拍击打轨道飞翔等问题，导致生成出来的著作无法运用 。 当下 ，怎么更好地模仿物理国际规则，也成了大模型们面前的难关 。就在3月份 ，生数科技发布的模型Vidu Q1 ，在VBench-1.0的视频质量 、视频语义共同性和 VBench-2.0的常识推理 、物理了解等归纳维度上到达SOTA水平
。靠着对提示词的了解力增强
，Vidu能自动辨认人物动作 、光影
、方位联络等内容，让生成的视频在动态上契合物理国际规则 。 此外 ，在风格共同性上 ，拿手动漫 、水墨等多种画风了解的Vidu ，在坚持原图风格共同上的体现相对安稳 。比较于会把实在图片上传后随机转换成油画 、动漫等风格的视频生成模型
，Vidu显然在场景了解上的体现更胜一筹。 不过 ，要想让AI视频实在遍及 ，还需求考虑的便是生成速度和本钱问题
。等待时间超越几分钟 ，用户体会感会直线下滑 ，本钱太高也会拖垮手机厂商的钱包
。 而荣耀和生数科技一同克服了这几个问题 ，把图生视频玩法搬上了手机 。相关于各大视频运用靠会员制收费 ，荣耀的图生视频功用完全免费 ，让用户不花钱也能体会 。 尽管这次并未发布详细的生成时长和本钱
，但依据此前Vidu 1.5版别做到几秒生成 、Vidu 2.0单秒本钱最低不到3毛钱的价格来看
，AI视频现已具有了落地端侧的条件
。 除此之外
，AI视频大模型的技能一向在前进 ，未来或将在手机等智能终端中完成更多的功用 。 比方 ，AI视频一向存在一个技能难点——主体共同性 。主体共同性 ，是指坚持人物、物体
、环境等主体共同 ，不会面部五官乱飞
，环境前后连接。 2024年
，生数科技在新模型Vidu 1.5中完成多主体共同性，运用者可以上传布景和多个主体人物的相片
，AI就能将这些自定义元素组合在一同，依据提示词生成视频 。 以多主体共同性来说 ，海螺AI的“主体参阅”功用和可灵的“多图参阅”均在本年1月上线 ，比Vidu慢了2个月 。 多模态 ，智能终端的新战场 。 多模态大模型 ，最近半年内正在肉眼可见的批量落地 。 在App端 ，字节在5月23日给自家AI帮手运用豆包装上了视频通话功用 。背靠自研的视频推理模型 ，豆包不只能“睁眼看国际” ，还能依据看到的画面估测接下来的动作 ，比方炒菜的时分，豆包可以依据质料猜出对应的菜
，而且给出炒菜的详细步骤 。 腾讯则在5月份发布了语音模型Human-Voice ，并预告腾讯元宝将会在6月上线语音通话功用
。一起
，腾讯还会上线全球首个全模态模型“混元-O” 。 在智能终端上 ，自身经过GUI（图形用户界面）完成交互的手机厂商们 ，便是多模态大模型的重要载体 。 可以说 ，从这一轮生成式AI开端时
，多模态AI就被厂商纳入了考虑规模。仅仅一开端在技能才干受限的情况下，大言语模型成为了端侧大模型落地最早的一种 。 多模态模型在端测的运用更广 ，场景更多 ，不只可认为以往场景赋能 ，还能有新的互动体会场景 ，受众规模也会更广，由于视频图画的受众总是大于文字的
。 跟着多模态才干的技能前进，端侧语音和视频交互的比重正在上升 。 比方 ，一些在端侧运转的大言语模型逐步被多模态大模型替代 ，相应运用的底座也晋级为多模态 ： 2024年1月 ，荣耀发布自研端侧70亿参数渠道级AI大模型“魔法大模型”宗族 ，包含言语大模型和图画、语音多模态大模型 ，支撑才智成片 、图库语义查找等功用 ，让AI可以“了解”图片；在购物 、文娱 、作业等场景 ，敞开跨年代交互体会。2024年5月 ，vivo发布多模态大模型技能运用“vivo看见-蓝心晋级版” ，用于协助视障用户了解国际
。 随同职业多模态才干的打破 ，以往受限于才干缺乏的AI运用 ，也迎来了才干打破。 其间，最杰出的运用领域便是Agent（智能体）。经过调用手机屏幕截图，再将图片供给给多模态大模型的方法，AI开端可以实在“了解”屏幕信息 ，并依据用户指令作业 。这就有了上一年以荣耀为首等一系列手机厂商开卷智能体的动作 ，从荣耀的YoYo智能体到vivo蓝心智能体再到OPPO的“AI问屏” ，都是根据多模态才干完成的自主智能体产品。 根据多模态才干的AI修图系列功用 ，也是运用愈加广泛的方向 。早在2010年 ，手机厂商就开端探究根据图画了解的AI拍摄算法 ，经过对图片的了解
，用算法复原图片生成的细节。 而在生成式AI才干进化的当下，根据多模态大模型的一系列图片优化功用也是厂商要点宣扬的方向 。从各大手机厂商必备的一键修图 、图片辨认等功用，都是根据人们日常日子中的需求动身 。 这一次 ，荣耀也在发布会上带来了AI修图带来的更多或许性 。比方用AI完成“一键抠图” ，让没有PS功底的用户也能轻松从图片中抠出人像 ，自在移动修改；再比方“AI消除眼镜反光”的功用
，经过AI消除去摄影时眼镜折射的颜色
。 在智能终端需求和多模态才干遍及的当下 ，二者一拍即合。 AI功用那么多 ，能用起来的有几个 ？ 从大模型炽热以来
，手机厂商对AI的热心无比高涨 ，开发的功用也是数不胜数 。 从对话式谈天帮手 、AI笔记 、AI修图到AI智能体 ，不上十几个原生的AI运用 ，那都无法叫AI手机 。 不过 ，用户实在能日常运用起来的高频运用 ，并不多
。许多AI功用
，要么是独立APP上有更好的替代品
，要么便是功用鸡肋用不起来 。 另一方面
，不少AI运用现在的运用门槛还比较高
，一个是对用户的硬件环境有要求 ，需求PC端至少4090的显卡才干跑起来；另一个是对用户的技能有必定要求
，下载 、简略布置
、乃至海外账号的设置都能拦截掉一大批人
。 以上面说到的图生视频来说 ，尽管可灵
、海螺的产品比较老练 ，有了很高的可用性 ，但用户也仅仅局限于相对专业的用户规模内 ，比方设计师 、动画制造师
、新媒体从业者等，普通用户想自己用起来还十分难
。 但荣耀和生数科技Vidu共同在端侧新推出的图生视频功用，无论是用来将过往的老相片变成视频，仍是靠图生视频捉住鲜活的时间 ，就又给用户记载日子 ，创造创意增添了许多或许 。 而一张相片的视频生成 ，仅仅一个开端 。 智能终端与AI公司联手后，参阅生视频 、文生视频等AI视频的更多玩法，都有望进一步迁移到智能终端中 。 当然 ，这将进一步检测两边端侧AI 、云端协同的技能才干 ，本钱下降的才干 。但实在能让用户用起来，才干实在增强产品的竞赛力 ，在手机竞赛的红海中逆势上升 。 2024年
，手机商场改变现已证明了AI关于手机销量的促进作用
。在全球手机销量接连下滑两年后 ，于AI概念实在落地手机的2024年 ，全球现已接连4个季度完成了同比增加 。商场调研组织Canalys供给数据显现
，2024年全球手机销量到达12.2亿 ，同比增加7%
。 比起在技能层的炫技 ，本年，AI在端侧的落地将给人带来更多惊喜
。 特别声明 ：本文为协作媒体授权专栏转载 ，文章版权归原作者及原出处一切
。文章系作者个人观点 ，不代表专栏的态度
，转载请联络原作者及原出处获取授权。(有任何疑问都请联络idonewsdonews.com)
。
| 
楼主
收藏
点赞