标题：AIGV视频制作 认识AIGC 在这一节,我们将从底层理解AI视频制作背后的核心逻辑:数据、摸型与生成机制。你将学习到什么是生成式Al(GenerativeAl)、理解AI视频生成背后逻辑、掌握数据、模型与生成机制三大核心逻辑模型训练的基本概念,明确AI在视频生成中的强项与短反。通过通俗易懂的讲解,帮助你建立对AI创作能力的正确认知,避免盲区和误区,为后续实操打下扎实基础。 AI正在重塑创作行业 视频、图像、音频、文字--都能被AI自动生成制作效率大幅提升创作门槛被快速拉低 但:背后的核心逻辑你真的理解了吗? AIGC视频的底层技术发展有着清晰的路径。从最初的人工智能概念到机器学习,让机器能够自己学习,再到深度学习,引入多层神:经网络,然后发展到生成式Al开始创作内容,最终演进到AIGC视频这一高配形态,能够输出动态内容和拟真体验。 当前主流的AIGC视频产品包括Runway、GEN ica、Sora和 Cinethica等。他们的核心技术栈包括扩散模型、时序建模、3D建模 和物理渲染。工作流程是输入文本或图像Al进行理解,然后通过多模 态建模,最终生成视频。比如你输入火星上跳舞的猫,几分钟内就能得 到完整的高动效动画。 LLM大语言模型和AIGC视频模型不是同一个赛道,但关系紧密。LLM擅长文字处理,负责剧本分镜字幕等文本内容,本质是在预测下一个词,而视频生成模型擅长视觉动态处理,动作场景物理事件模拟,本质是在预测下一帧。两者的关系就像编剧和导演配合起来就是完整的AI生产线。 AIGC视频的底层技术发展有着清晰的路径。从最初的人工智能概念到机器学习,让机器能够自己学习,再到深度学习,引入多层神经网络,然后发展到生成式AI开始创作内容,最终演进到AIGC视频这一高配形态,能够输出动态内容和拟真体验。 -监督学习:比如拿一堆猫狗狗的照片,和照片对应的猫犯枸标签进行训练。然后让模型根据没见过的照片预测是猫还是狗。-无监督学习:是没有标签,就是拿一堆一堆猫猫狗狗狗的照片进行分组强化学习:就跟训小狗似的,刚开始的时候小狗会随心所欲做出很多动作,但随着和训犬师的互动,小狗会发现某些动作能够获得零食。某些动作没有零食,某些动作甚至会遭受惩罚。通过观察动作和奖惩之间的联系,小狗的行为会逐渐接近训犬师的期望。 模型理解--AI是怎么"理解"的 1.知道了某种场景里通常出现哪些元素,某些动作通常怎么发生。 2.比如你写:"海边日出",Al知道:经常有海浪、天空偏橙色色、光线 从水平面上升 于是它生成出一个符合概率的合理画面。 3.你给它关键词,它从经验库里抽取"最可能长什么样" 它擅长:风格模仿、视觉元素组合、特征填充 它弱于:完整逻辑、因果关系、叙事逻辑 4.写Prompt时,越清晰、越具体,Al匹配得越准确; 2.不要指望它"自己发挥"复杂的故事逻辑; 3.你的输入信息~你给它的"参考案例集合";