Google Flow 的五件新工具,把一条手机素材变成五个机位

11 月 12 日,Google 给视频生成产品 Flow 加了五件工具,每件都号称与艺术家共同打造。这种说法通常意味着一个换了更好界面的提示词库。四件基本如此,第五件是另一回事。
名单:Character Poster,围绕角色拼出海报。Character Arc,让同一个角色出现在不同年龄。Pixel Machine,用位图、ASCII、CRT、像素风和故障风渲染。Lucid Glass,做棱镜、光晕和折射。Pocket Studio,把手机拍的一条素材展开成几个机位,保留演员的表演。
真正重要的那一件
Pocket Studio 是名单上唯一会影响拍摄安排的工具,其余几件影响的是画面风格。
覆盖镜头是电影制作最老的约束。一场戏要拍全景、中景、近景,再加剪辑需要的插入镜头,因为事先没法知道哪个角度能剪到一起。两个人对着镜头聊天,就能拍掉一天。每换机位都要重新布光、移机,聊天本身花不了那么久。

从一个机位生成其他角度的工具,直接冲着这笔成本去。只拍一次,用付得起的那个角度,剩下的事后造。对批量做内容的人,这是一个机位和四个机位的差别。
真正承重的是「保留演员的表演」。生成的角度如果顺手编了新表演,就没用,两条镜头剪不到一起。新角度得是同一时刻的另一个视点,同一时间码眨同一次眼,同一只手以同样速度移动。Google 说它做到了,这个说法有手机有脸的人十分钟就能验。
另外四件是干什么的
Character Arc 是第二有意思的,原因和画质无关。跨时间的连续性恰好是生成视频最不擅长的事情,也是叙事作品最需要的东西。一个横跨二十年的故事,需要同一张脸在八岁、三十岁、五十岁都成立,还得让观众相信是同一个人。选角和化妆做这件事是成熟的活;模型做这件事一直不稳,每次生成都会漂。
能跨年龄锁住身份的工具,本质就是能锁住身份的工具,年龄只是其中一个参数。同样的能力才让剧集成为可能:角色在第九集里得看起来还像第一集里的自己。
Pixel Machine 和 Lucid Glass 是风格引擎。Pixel Machine 覆盖一批真有观众的味道:复古游戏美学、终端文字、CRT 扫描线、故障感。Lucid Glass 覆盖棱镜和折射那一类,在 MV 和片头里常见。两件技术上都不新,都是便利,而便利正是浏览器工具能被不想学合成软件的人用上的原因。
Character Poster 是异类,它从一个视频工具里产出静帧。商业上说得通。海报是客户在片子过审后才要的东西,工具能用同一个角色素材做出来,这活就不用挪地方。
功能表底下的策略
Flow 的问题从来不在生成质量。问题在于模型住在浏览器标签页里,工作在剪辑软件里,每接一个活都要导出一次。
加一些产出周边物料的工具(海报、变老的角色、片头处理),是把活留在标签页里的办法。这和 Adobe 把合作方的视频模型放进 Premiere 是同一招,方向相反:Adobe 把生成拉进剪辑软件,Google 把前期和后期推进生成器。
两家都在赌:赢的产品是发生决定最多的那一个,模型的强弱排在后面。这个赌注每周更靠谱,因为头部视频模型在公开榜单上的差距缩到个位数,价格成了看得见的差异。
Google 没有说的那些
Pocket Studio 的输出没公布分辨率,没说一条素材能开出几个角度,也没说虚拟摄影机能移多远结果还站得住。这三个数字决定它是预演工具,还是第二台摄影机的替代品。
也没说背景会怎么样。换角度意味着主体背后要有新的几何,模型得凭空造出一个只从一侧见过的房间。控制好的棚里这很容易。真实场景里有窗、有镜子、有印刷文字,这类工具通常就在这里散架。
性能也没提。另外四件都是一次性渲染。Pocket Studio 意味着一份素材要渲染好几个角度,每个角度的成本,决定它是能用在客户活上的工具,还是只能拿来试的工具。
这周我会怎么测
拍三十秒,一个人说话,手持,房间里有窗,背景里有带文字的东西。喂进去,要一个全景、一个侧面、一个低角度。
然后按顺序看三件事。眨眼的时间点有没有保住,这里一旦对不上,就说明表演是被重新生成的,并没有真的换个角度再看一遍。背景里的文字还是不是原来那些字,因为凭空造出来的招牌是合成几何最常翻车的地方。脸上的光跟窗子对不对得上,因为换了机位却沿用旧布光,那只是合成,谈不上镜头。
这三条都站得住,低成本制作的覆盖问题就便宜了一大截,很多双机拍摄会变成单机加一个渲染队列。站不住,Pocket Studio 就是个分镜工具,仍然有用,只是说法小得多。
决定它能不能被用起来的部分
覆盖镜头是摄影问题,也是排期问题,排期问题由拿着日历的人解决。
在商业拍摄里,第二台机器存在,是因为客户可能想要另一个剪法。在自筹的项目里,第二台机器根本不存在,剪辑围着已经拍到的东西搭。Pocket Studio 瞄准的是后一类人,而这类人非常多:播客、课程作者、小品牌团队,任何一个架着手机拍口播的人。
对这些用户,诚实的基线是一条固定机位加每十二秒一个跳切来盖住剪辑点,双机位不在选项里。生成的角度哪怕大致说得过去,也比跳切强,而当替代品明显更差时,「说得过去」的门槛会往下掉。
所以我不拿 Netflix 剧集的标准来评判这件工具。参照物是它替换掉的东西:一个固定画面加一个硬切。按这个标准,略有瑕疵的第二角度已是进步,真正该担心的失效方式在别处:每个创作者的视频都长得一样,都从同一个凭空造出的四分之三角度拍,因为模型对第二台摄影机只有一种想法。
相关文章
十份降级报告,没有一份改了订单数字
十份降级报告都在讲不确定性,没有一份改动订单。真正的变量是 158 美元的恐慌低点和 5.1% 的十年期收益率。
三十三年来第一次,黄仁勋不在电话会上
数字几乎无悬念,真正要看的是克雷斯如何在首次独自主持的电话会上回答指引、Rubin 与毛利率三个问题。
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。