斯坦福美女博士创业项目爆火！出道即顶流，融资5500万美元 来源：量子位 斯坦福华人博士休学搞创业，直接火爆AI圈！ 新产品瞄准AI视频生成，刚出道就成行业顶流，引来一众大佬围观评价。 OpenAI大牛Andrej Karpathy转发，并激情附上长文一段： 每个人都能成为多模态梦境的导演，就像《盗梦空间》里的筑梦师一样。 就连Stability AI创始人也来点赞： 这个新产品名为Pika 1.0，背后公司Pika于今年4月成立。 要知道，这一行的产品已有不少，如成立5年的Runway等公司。 在AI视频生成“乱花迷人眼”的当下，这个新产品究竟是如何做到迅速破圈，吸引大量关注度的？ 从放出的Demo效果来看，Pika 1.0不仅能根据文字图片，流畅地生成一段视频，动静转换就在一瞬间： 而且可编辑性还特别强，指定视频中的任意元素，一句话就能实现快速“换装”： 这样的效果，也使得公司成立仅半年，产品用户已经超过52万人。 更是新斩获5500万美元融资，其中个人投资者不乏各种大牛，如Quara创始人Adam D’Angelo、Perplexity的CEO Aravind Srinivas、GitHub前CEO Nat Friedman等等。 所以，Pika究竟有没有看起来这么好用？我们也立刻上手体验了一番。 AI视频新顶流长啥样？此次火爆出圈的Pika 1.0，是Pika发布的第一个正式版本产品。 经过四个多月Discord社区的测试，Pika认为是时候推出本次重大升级了。 相比之前Pika还只能用文字或图像生成视频，如今的Pika 1.0，功能要更加丰富—— 不仅能根据文字、图片或视频风格生成视频，还能对视频局部进行编辑。 可编辑性有多强？ 不仅画面大小任意扩展，从5:2、1:1画布，到9:16以及16:9的超大屏，4种选择无缝转换： 像什么3D、动漫、电影等各式各样的风格滤镜，那就更不用说了。 最重要的是，1.0正式版推出了用户更友好的网页版，不用在discord中一遍遍艾特机器人，就能直接上手玩。 （不过，现在它还需要排队，需要点耐心。） 当然，也可以移步Discord社区先上手体验一番。 尽管它还未随网页版更新到Pika 1.0，但我们也实测了一下文字、图片生成视频的效果，还不错。 加入社区之后，直奔“Creations”，从下面的10个生成区随便选择一个进入即可开耍。 在输入框中输出“/”，选择最简单的“/create”命令： 在此，我们输入“a robot dancing in the rain, sunset, 4k, -gs 8”提示词交给机器人。 大概也就半分钟的时候，视频就出来了，速度相当快： ?? ?效果嘛，雨没有表现得很明显，但机器人的肢体动态性真的很强。 我们再来一个稍微长一些的提示词： a teenager walks through the city streets,takes pictures of places（一个青少年穿过城市的街道，拍摄照片） 仍然超级快，结果就出来了： Wow，这次真的有很满意，画面符合脑海中的预测，甚至比我们想象得还要好。 除了纯文字，咱还可以上传一张参考图像进行创作，使用“/animate”命令。 当当，一张静态表情包就动起来了： 总的来看，Pika给出的视频时长都是3s（所以使用太长的提示词也没用，后面会直接忽略掉），以及它还不能保证每次结果都很满意，但总体来说多试几次还是有不错的结果出现的。 在自测之外，我们也来看看网友的作品，其中不乏非常惊艳的效果。 比如有人创作的这只小怪兽，憨态可掬，让人忍不住想摸一把： 还有这段两位小女孩的演奏画面，看完我好像真的听到了优美的嗓音从中传出： 最绝的还是这个白鸽围绕短发美女翻飞的场面： 也太有氛围感了吧～ 看罢如上效果，我们也来盘盘这家公司究竟是什么来头。 两位斯坦福华人博士创立Pika的创始人一共有两位，郭文景（Demi Guo）和Chenlin Meng，都是斯坦福博士。 据The Information消息，郭文景于今年四月创立了Pika，随后Chenlin Meng加入成为联创，两人合作开发了这个文本生成视频模型。 从二人学术经历来看，她们分别专注于NLP和计算机视觉两个方向的AI研究，也都有生成式AI的学术经历。 联合创始人兼CEO郭文景，斯坦福大学AI实验室（NLP&图形学方向）博士。 她在美国出生，杭州长大，初中就读的是杭州外国语学校，从小就接触编程，夺得过IOI银牌，从本科开始正式留学，被哈佛大学提前录取。 此次创业，她的领英主页显示休学中（On Leave），应该是打算先忙创业的事情。 在斯坦佛大学读博之前，郭文景在哈佛大学取得了计算机硕士和数学本科学位。 在本科期间，她曾经gap过一年，专程在Facebook AI Research全职做了一段时间的研究工程师。 在职期间，她参与了用Transformer分析2.5亿个蛋白质序列的研究，目前这篇论文引用已有1200+，其中就包括后来大火的AlphaFold2： 除此之外，她也先后在Epic Games、谷歌和微软等多家公司实习过。 这次创业，郭文景的导师Christopher D Manning也给予了不少支持。 Christopher D Manning以NLP方向的研究闻名，如今在谷歌学术上的引用量已有23w+，而他也将成为Pika的学术顾问之一。 联合创始人兼CTOChenlin Meng，同样是斯坦福计算机博士。 在此之前，她于2020年在斯坦福大学获得了数学本科学位。 相比郭文景在NLP领域的研究经验，她在计算机视觉、3D视觉方面的学术经历更加丰富，参与的去噪扩散隐式模型（DDIM）论文，如今单篇引用已有1700+： 除此之外，她还有多篇生成式AI相关研究发表在ICLR、NeurIPS、CVPR、ICML等顶会上，且多篇入选Oral。 当然，随着Pika 1.0爆火，Pika也开启了进一步的招人计划，从技术、产品到运营都有需求： 一个月内5家产品亮相值得一提的是，不止是正在快速扩张的Pika。 就AI视频这个行业而言，这段时间来整体都迎来了一段“爆发期”。 据不完全统计，从11月至今，短短一个月的时间就已经有5家AI视频生成产品发布或迎来大更新： 首先就是11月3日，Runway的Gen-2发布里程碑式更新，支持4K超逼真的清晰度作品。 然后时间来到11月16日，Meta发布Emu Video，这个工具在用户评估中号称打败Gen-2、Pika等对手，效果be like： 从Emu开始，大家都好像打起比赛来了，那叫一个争先恐后。 才过两天，11月18日，字节就半路杀出发布PixelDance，作品的动态性可谓史无前者，画面中的元素都动作幅度都相当大，且不变形，让人眼前一亮。 又仅过3天之后，11月21日，AIGC领域的佼佼者Stable AI也终于推出了自家的视频工具：Stable Video Diffusion。 效果嘛，也很能打。 同一天，Gen-2又没闲着，“横插一脚”上线“涂哪动哪”的运动笔刷新功能，直接标志出生成模型可控性上的一个重要里程碑。 最后，来自创业公司的Pika直接带着网页版发布正式版1.0，叫板“老大哥”Runway。 在此之外，我们还从未见过哪个阶段有这么多各有特色、来自不同背景的产品争相亮相。 这也让人不得不感叹一句： AI视频这是来到爆发前夜了？ 参考链接： [1]https://twitter.com/demi_guo_/status/1729546758718656530 [2]https://pika.art/blog [3]https://twitter.com/mignano/status/1729510740246020403 推荐阅读 西电IEEE Fellow团队出品！最新《Transformer视觉表征学习全面综述》润了！大龄码农从北京到荷兰的躺平生活（文末有福利哟！）如何做好科研？这份《科研阅读、写作与报告》PPT，手把手教你做科研奖金675万！3位科学家，斩获“中国诺贝尔奖”！又一名视觉大牛从大厂离开！阿里达摩院 XR 实验室负责人谭平离职 最新 2022「深度学习视觉注意力 」研究概述，包括50种注意力机制和方法！【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！2021李宏毅老师最新40节机器学习课程！附课件+视频资料 欢迎大家加入DLer-计算机视觉技术交流群！ 大家好，群里会第一时间发布计算机视觉方向的前沿论文解读和交流分享，主要方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。 进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明） ??长按识别，邀请您进群！