Meta 於上月底發布名為 Make-A-Video 的 AI 工具，運作機制類似 OpenAI 的 DALL-E，能透過 AI 根據使用者輸入的文字轉化成 5 秒的短影片，或是將兩張差異非常大的圖片透過動態銜接的方式生成影片，類似於 PowerPoint 的轉化功能。目前已經開放社群試用，並公布原始碼在 GitHub 上。
事實上，Meta 對於人工智慧生成的推廣，早已不是新鮮事。早在今年 7 月，Meta 就曾經針對藝術家開發過靜態圖片的自動生成工具 Make-A-Scene，幫助藝術家能夠透過文字輸入生成靜態影片。這次的影片版本，可以說是原有技術的延伸。
無獨有偶，Google 也在本月初宣布推出兩款小工具：強調影片品質的 Imagen Video，以及主打影片長度的 Phenaki。前者最終能夠產生每秒 24 幀，總長 128 幀，解析度高達 1280×768 的 5.3 秒影片；後者則可用來建立總長多達數分鐘的影片，但影像品質不及 Imagen Video。
帶動創意產業巨變？兩者工具比較
撇開成熟度，這幾個工具的推出，可以說是自動生成技術上的一大里程碑。
Meta 執行長祖克柏（Mark Zuckerberg）表示，AI 生成影片除了需準確地生成每一像素，還需預測其將會如何改變。目前 Make-A-Video 仍在初創階段，最高畫質僅 768 x 768px，長度僅限 5 秒且不含聲音。從 Meta 發布的影像範例可看出，動作銜接較生硬不自然，可明顯可看出為電腦生成的內容。
Make-A-Video 工具包含 3 種類型：超現實（Surreal）、寫實（Realistic）以及風格化（Stylized）。根據 Meta 的示範，用戶可利用一小段文字如「泰迪熊畫肖像畫」（A teddy bear painting a portrait.）、「機器人在時代廣場跳舞」（Robot dancing in times square.）來生成影像。
圖片來源：
圖片來源：
相較之下，Google 的 Imagen Video 無論是在影片長度或是畫質的上限，都超過 Meta。Google 展示的內容包括將咖啡倒入杯子中、泰迪熊洗碗及冰淇淋融化等，看起來相當逼真。此外，Google 也強調自家的 Imagen Video 可用來產生類似梵谷（Van Gogh）水彩畫風的影片。
圖片來源：
圖片來源：
圖片來源：
很多人可能直覺地認為，這樣的影像生成工具未來勢必將成為電影產業的一大助力，而這也確實與開發人員的期待一致。Google 深度學習與人工智慧研發團隊成員、Phenaki 開發者之一的 Dumitru Erhan 在推特指出，他與團隊都希望人們能透過這些工具使創造力發揮得更容易。
雖然很難馬上就看到這類自動生成的影像在大螢幕上出現，但短期內應該有機會在社群平台上大量曝光，包括TikTok、Instagram 的 Reels 或 YouTube 等。
自動影片生成工具，是為了元宇宙大夢鋪路？
Futurum Research 首席分析師 Shelly Kramer 表示，儘管目前主打數位藝術，但他仍看好此技術往產品描述、音樂，甚至遊戲業等藝文與行銷以外的方向發展。
正如矽谷創投 Andreessen Horowitz 曾在一篇文章《與我在元宇宙中相見》指出，內容創造有 4 大階段：專業人士創造、使用者自行創造、AI 輔助創造、AI 獨立創造，但是要進到最後一個階段，才符合元宇宙所需的內容規模。因此，退後一步來看，也能將此工具的誕生，視為 Meta 實現元宇宙大夢的敲門磚。
另外，根據調查，推出 Reels 之後，用戶觀看影片的每日時長，仍不到 TikTok 的十分之一，且原創內容過低，多半是從其他平台搬移、再轉貼；若影片自動生成技術成熟，則可能有望提升用戶原創內容比率、進而拉高用戶留存。推出自動影片生成工具，或成挽救老化、用戶頹勢的嘗試。
