像《复仇者联盟》导演乔·罗素一样，我越来越确信，在我们有生之年，完全由人工智能生成的电影和电视节目将成为可能。
过去几个月里推出的一系列人工智能产品，尤其是 OpenAI 的超逼真文本转语音引擎，让我们得以窥见这一全新领域的景象。但 Meta 今天的公告尤其清晰地凸显了我们由人工智能生成内容的未来——至少对我而言是这样。
Emu Video：Meta 的新进化
Meta 今早推出了 Emu Video，这是该公司图像生成工具 Emu 的进化版。给定一个标题（例如“一只狗在长满草的小丘上奔跑”）、一张图片或一张带有描述的照片，Emu Video 可以生成一段四秒长的动画片段。
Emu Video 的片段可以使用今天也宣布的配套人工智能模型 Emu Edit 进行编辑。用户可以用自然语言描述他们想要对 Emu Edit 进行的修改——例如“同样的片段，但以慢动作呈现”——并在新生成的视频中看到这些更改。
不过，视频生成技术并不新鲜。Meta 此前已经尝试过它，谷歌也是如此。与此同时，Runway 等初创公司已经在此基础上开展业务。
但 Emu Video 生成的 512×512 分辨率、每秒 16 帧的片段，在我所见过的作品中无疑属于最佳之列，其保真度之高，以至于我这种外行的眼睛都很难将它们与真实画面区分开来。
优势与局限并存
嗯——至少其中一些是这样。看来 Emu Video 在动画化简单、主要是静态的场景（例如瀑布和城市天际线的延时摄影）时最为成功，这些场景偏离了照片级真实感——也就是说，采用立体主义、动漫、“剪纸工艺”和蒸汽朋克等风格。有一段关于黎明时分埃菲尔铁塔“如绘画般”的片段，塔身倒映在下方的塞纳河中，让我想起你在 American Greetings 上可能看到的电子贺卡。
然而，即使在 Emu Video 的最佳作品中，AI 生成的怪异之处仍会悄然渗入——比如荒谬的物理现象（例如与地面平行的滑板）和怪异的肢体（脚趾卷曲到脚后，双腿相互融合）。物体也常常毫无逻辑地出现又消失，比如上述埃菲尔铁塔片段中头顶上的鸟儿。
在花费过多时间浏览 Emu Video 的作品（或者至少是 Meta 精心挑选的例子）之后，我开始注意到另一个明显的特征：片段中的主体并不……嗯，做太多动作。据我所知，Emu Video 似乎对动作动词的理解不够深入，这可能是其底层架构的一种限制。
例如，Emu Video 片段中一只可爱的拟人化浣熊会拿着一把吉他，但它不会弹奏这把吉他——即使片段的说明文字中包含了“弹奏”这个词。或者两只独角兽会“下”国际象棋，但仅仅意味着它们好奇地坐在棋盘前，而不移动棋子。
伦理隐忧与行业冲击
因此显然还有大量工作要做。尽管如此，我认为 Emu Video 更基础的空镜头素材放在当今的电影或电视剧中也不会显得突兀——而这背后的伦理影响 frankly 让我感到恐惧。
撇开深度伪造的风险不谈，我担心那些生计依赖于创作类似 Emu Video 等 AI 如今能够模拟的画面的动画师和艺术家。Meta 及其生成式 AI 竞争对手可能会辩称，Emu Video——正如 Meta 首席执行官马克·扎克伯格所表示正在被整合到 Facebook 和 Instagram 中（希望其毒性过滤效果比 Meta 的 AI 生成贴纸更好）——增强而非取代人类艺术家。但我会说，这是一种乐观的、尽管可能不真诚的观点——尤其是在涉及金钱的时候。
今年早些时候，Netflix 在一部三分钟长的动画短片中使用了 AI 生成的背景图像。该公司声称这项技术有助于缓解动漫行业所谓的人力短缺问题——但却巧妙地回避了低薪和往往繁重的劳动条件正将艺术家赶出这一行业的事实。
在另一场类似的争议中，为漫威剧集《秘密入侵》制作片头字幕的工作室承认主要使用了人工智能，特别是文本生成图像工具 Midjourney，来生成该序列的大部分艺术作品。该剧集导演阿里·塞利姆认为，使用人工智能符合剧中偏执的主题，但广大艺术家群体和粉丝强烈反对。
演员也可能面临被裁撤的风险。在最近的 SAG-AFTRA 罢工中，一个主要的争议焦点是使用人工智能创建数字形象。制片厂最终同意为演员的 AI 生成形象支付报酬。但随着技术的进步，他们是否会重新考虑这一做法？我认为很有可能。
雪上加霜的是，像 Emu Video 这样的人工智能通常是在艺术家、摄影师和电影制作人创作的作品上进行训练的——且未通知或补偿这些创作者。在随 Emu Video 发布的一份白皮书中，Meta 仅表示该模型是在包含 3400 万个“视频-文本对”的数据集上训练的，时长从五秒到六十秒不等——并未说明这些视频的来源、版权状态，以及 Meta 是否获得了授权。
（本文发表后，Meta 一名发言人在给 TechCrunch 的电子邮件中表示，Emu 是基于“来自授权合作伙伴的数据”进行训练的。）
业界一直在断断续续地推动制定统一标准，使艺术家能够选择退出训练过程，或就其参与创作的 AI 生成作品获得报酬。但如果 Emu Video 是一个先例，那么技术——正如经常发生的那样——很快就会远远超越伦理规范。也许它已经超越了。