Adobe 通过发布新的视频生成模型扩展其生成式 AI 能力,这标志着该公司在为专业创作者提供可安全用于商业项目的 AI 工具方面迈出了重要一步。
该公司今天宣布其 Firefly 视频模型进入公开测试阶段,提供 AI 驱动的视频生成工具。Adobe 声称这些工具仅使用授权内容进行训练——这是在日益拥挤的 AI 视频生成市场中的一个关键差异化特征。
"我们是最实用的解决方案,因为我们的模型对知识产权友好,在商业上是安全的," 负责 Adobe AI 计划的 Alexandru Costin 在接受 VentureBeat 采访时表示。"您可以使用我们的模型,不会有侵犯知识产权的风险。比任何人都更重要的是,我们热衷于解决专业视频制作者的需求。"
Adobe 的新定价策略如何使 AI 视频生成更易获取
自 2023 年 3 月首次发布以来,Adobe 报告其 Firefly 系列 AI 模型已在全球生成超过 180 亿个资产。这种快速采用表明专业创意人员对可在商业工作中放心使用的 AI 工具有强烈需求。
新的视频功能将通过 Adobe 重新设计的 Firefly 网络应用程序提供,并集成到 Adobe 的专业视频编辑软件 Premiere Pro 中。该系统可以从文本提示或图像生成 1080P 视频片段,具有摄像机角度控制和氛围效果生成等功能。
"刚从研究实验室过来,他们今天早上向我演示了一些即将推出的令人惊叹的生成功能,包括提高分辨率、制作透明视频叠加层...实时视频制作," Costin 透露,展示了 Adobe 对该技术的发展规划。
Adobe 推出分层定价计划,标准计划起价每月 9.99 美元,包含 2,000 个视频/音频积分——足够生成大约 20 个五秒钟的 1080p 视频。专业版计划售价 29.99 美元,提供 7,000 个积分。
Adobe 主导专业 AI 视频创作的内部战略
与 Adobe 现有创意工具的集成似乎是一个关键的战略优势。Adobe 高级产品营销经理 Kylee Pena 演示了编辑人员如何使用该技术填补视频时间线中的空白或生成下雪等氛围效果,然后使用 Premiere Pro 的专业工具无缝调整结果。
"因为我在 Premiere Pro 中,我还可以使用许多额外的专业级工具,包括我们已经拥有一段时间的 AI 工具,比如颜色匹配," Pena 在演示期间解释道。
随着 OpenAI 的 Sora 等新产品引起广泛关注,AI 视频生成领域的竞争日益激烈。Adobe 押注于其对商业安全性和专业工作流程集成的关注将帮助其在日益拥挤的市场中脱颖而出。
为确保透明度,Adobe 将在所有 AI 生成的视频内容中包含内容凭证,这是一种数字认证。这与该公司在内容真实性倡议中的领导地位相一致,该倡议旨在为数字内容提供验证工具。
包括 Dentsu、Gatorade 和 Stagwell 在内的全球品牌已经在测试该技术的测试版,表明可能有企业采用。Adobe 计划在不久的将来推出针对高容量专业用户的高级计划。
这一发展表明 Adobe 的战略重点是在适应重塑创意产业的 AI 革命的同时,保持其作为专业人士首选创意工具提供商的地位。在最近的圣丹斯电影节上,85% 的项目使用 Adobe Creative Cloud,该公司似乎很好地准备好了弥合传统创意工作流程与新兴 AI 功能之间的差距。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。