AI news

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

2 views
PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

视频,早已是我们这个时代的默认语言。 从社交媒体的刷屏狂欢到大银幕的光影叙事,我们每个人都深度参与其中。而当 AI 技术让视频的创作门槛骤降,一个更加公平的「AI 视频模型竞技场」也随之拉开帷幕。

The full text has not been translated yet. The Chinese original is shown below.

长跑两年后,爱诗科技还在狂奔

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

视频,早已是我们这个时代的默认语言。

从社交媒体的刷屏狂欢到大银幕的光影叙事,我们每个人都深度参与其中。而当 AI 技术让视频的创作门槛骤降,一个更加公平的「AI 视频模型竞技场」也随之拉开帷幕。

竞争者名单正在飞速拉长:谷歌的 Veo、Runway 的 Gen-3 强势入局,国内的海螺、可灵、即梦等新秀也「毫不示弱」。

整个行业的迭代速度只能用「白热化」来形容。

在这场竞逐中,有个国产「全科生」产品的身影格外引人注目—— PixVerse (也就是爱诗科技旗下的「拍我 AI」)。就在刚刚,他们宣布全球用户突破 1 亿,这无疑是一份「惊人」的成绩单。AI 视频正在以不可思议的速度在全球范围内释放出巨大的创作能量。

今天(8 月 27 日),这位坐拥海量用户的「全科生」跑完了又一个赛段,正式上线了 2 年内的第 8 个版本——PixVerseV5 自研视频生成大模型,经过不到 24 个月的迭代,PixVerse V5 模型,给竞争对手、 用户、市场交出了他们的最新答卷。

这种「快」与「多」的模式,究竟能否兑现为「好」与「强」的结果?

为了回答这个问题,我们准备了 10 个覆盖「模型技术」与「各类场景」的测试案例,对这款 AI 视频生成产品进行全面而深入的测评。此次测试的是国内版「拍我 AI」,目前这个上线两个多月的产品与国际版功能、模版和模型保持同步。

模型的 4 个维度测试

先来关注下,此次 PixVerse V5 模型技术方面的进展,我了解到这回的 V5,在一些像是「蒸馏、RLHF(人类偏好拟合)、统一特征空间」这些核心技术上,都有了不小的升级。

这个 PixVerse V5 自研视频生成大模型,在两年多的时间里:

【1】生成方面,保持着 V4 以来的极速生成能力,5s 即可生成便于社交分享的短片。

【2】美学方面,会更逼真、更自然,运动幅度更流畅。

【3】理解用户提示词的能力,更精准了一些。

PixVerse V5 Text To Video 和 Image To Video 已经在 Artificial Analysis 排名上分别冲到了第二和第三,对初创平台来说,AI 小高考交卷成绩斐然。

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

下面,我们来看实际测试。

1)一致性保持:多格油画四季变化

先来看看一致性保持能力。它不仅要求 PixVerse V5 理解稍微复杂一点的视觉构成,还需要在保持「整体一致性」的前提下进行比较精确的局部变换。

视频中的声音我们也是用 PixVerse V5 自动配的。

我们上传了一张包含12个独立油画格子的多格画作,每个格子都描绘着春季景象:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

然后只用了 7 个字的提示词:

把春景变为秋景

这意味着 PixVerse V5 需要意识到这张图片内有 12 幅独立但不割裂的春日图景,然后它还要对它们依次进行处理,把它变为风格统一的秋景。

效果如下:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

你能看到, PixVerse V5 在视频的前四秒,对 3 个主要的格子的变换稍微有些想象力,比如最上面那个人走路的时候,前方的路一直在延伸等等。

在后面四秒,剩下的 9 个格子则一下子从绿色转变为代表秋天的黄色和红色。虽然有点快,但整体一致性保持的还可以。

2)动态效果:滑雪和橙发女生的自信笑容

接下来测试「动态效果」,主要看它能不能在动态中把日常生活做得自然、细致。

PixVerse V5升级运动轨迹和幅度,表现真实和稳定,我们生成了一段滑雪视频,效果很不错:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

接着,我尝试换一种画风,利用脸部特写,看一看 Pixverse V5 对人物微表情的理解。

提示词如下:

动态角度,橙白,颗粒感,肌理感,艺术氛围感加强,绿色的背景,厚涂+晕染水粉, 颜料的涂抹感+肌理感,高级的氛围感,层次感,矛盾冲突的视觉冲击和有机融合。 快乐,温暖,女孩朝着镜头笑了一下。

最后呈现的效果如下:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

女孩很明媚、很自信,橙色和绿色的搭配并不违和,让画面更有生机。

表情刻画上,PixVerse V5 选择了一个微微后退的镜头角度,随着镜头后拉,女孩慢慢睁开眼睛,嘴角咧开,露出可爱的虎牙。

3)视觉质量:拼贴画风格动漫

拼贴画风格在品牌广告里经常见到,比如爱马仕、农夫山泉。我让 PixVerse V5 生成了一段带爱马仕特色的动画,提示词还是重点描述场景。有了这个,普通家长也能给自己孩子做绘本故事了。

提示词如下:

一个小男孩骑在一匹飞奔的白马上,穿越过梦幻森林,巨大的宽叶植物,盛开的奇花异草, 藏在树叶后的猎豹,站在树梢的鹦鹉,灌木丛中的兔子,采用细线雕刻, 配色为黑色、红色、橙色和白色,色调柔和,精细的细节描绘,爱马仕风格

你能看得出来,在视觉效果上,PixVerse V5 所呈现的线条很精细,颜色很克制但很高级,整个画面有种童话般的感觉。

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

视频中的森林场景也展现出了比较良好的空间层次感,整体没有什么大的幻觉。

前景中的小男孩和骑着的白马、中景中的奇花异草、背景中隐藏在花草后面的豹子,在多个层次的空间中,视觉质量都还比较精细。

如果你仔细看看花草和树木的纹理,会觉得整体画面的元素都还是比较和谐的。

4)指令遵循:上学迟到的女孩

我们用一个文生视频场景来测试 PixVerse V5 对提示词的遵循能力。

提示词如下:

一条巷弄两旁种满构树,茂密的枝叶形成一条杂乱的绿荫道,道路两旁有高矮不一的新旧自建房, 各家各户阳台和门口有水泥台阶或有铁丝网围栏, 内种满牵牛花、空心菜和蒜苗,有的摆折叠椅塑料桌,桌上几个香蕉和橘子, 一个十三岁左右的小女孩骑车经过,背着书包,飞驰而过,好像要迟到了, 有些慌张。真实自然,笔触清晰,高饱和度,光影对比,电影质感。 马克笔手绘插画风格。

从结果来看,PixVerse V5 确实按要求生成了完整的场景:绿叶茂密的小巷,晾晒水果的生活气息,整条巷子的光影、远近景深都很自然,符合日常观感。

这说明它的「语言理解能力」还不错,能把文字转化成具体的画面元素,并且镜头感也在随着人物移动:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

人物表现方面,即使没有对白,观众也能看出这是个急着上学的女孩。V5 通过飞扬的头发、晃动的衣袖来表现骑车速度。

如果你仔细看,还能够看到小女孩的眉头都皱着,嘴巴微张,一副「要迟到了」的表情。

画风方面,PixVerse V5 也确实做出了手绘的感觉,颜色也很鲜艳,光影效果不错,有点像看动画电影。

通过这 4 个对模型技术不同维度的测试,PixVerse V5 展现出了比较均衡的综合能力。当然,V5 在某些细节处理和风格一致性方面还有提升空间。

下面,我们再来看 6 个具体场景的测试。

6 个具体场景的测试

1)线描人物与杂乱背景

这一次尝试主要是为了测试 PixVerse V5 在「杂乱背景」中的人物动作表现,画风选择了线描漫画式的手稿风格,同时背景复杂,带有街头涂鸦般的元素。

提示词如下:

功夫大叔穿着白色练功服正在练功打拳。 线描人物,全身,手稿铅笔线条,涂鸦,漫画,凌乱。

难点在于:打拳涉及全身的肌肉调动,极易出现僵硬或机械重复的情况,而且在于背景的融合中很容易出现幻觉。

最后的效果如下:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

最终生成的视频中,整体打拳的动作还算连贯,节奏感也相对自然,没有出现明显的「出拳-收拳」循环。

背景部分带有凌乱的街头感,与线描人物形成了一种视觉上的反差。不过动作的细节层次还不够,更多是框架上的拳法展示。

2)国风动漫男做的 AJ 广告

AI 生成视频一个非常多人用来玩的风格就是「国风动漫」。

于是我让 PixVerse V5 生成了一条国风动漫帅哥做的 AJ 广告视频,有简单的剧情以及人声旁白,刚好一起测评一下 PixVerse V5 的「自动人声」功能如何。

提示词如下:

耐克 AJ 的口播视频。巨大的全面屏手机立在城市街景。  一个25岁帅哥,身高190cm,大长腿,短发,身穿白色T恤,黑色科技感夹克,深灰色直筒短裤,AJ鞋。站在一个巨大等我全面屏手机前,低角度构图,巨大手机立在城市街景。  文案(低沉旁白):当潮流,不再局限于屏幕—— 打破边界,让世界为你腾开位置。

生成的视频整体氛围冷色调,视觉上偏向港漫和 CG 风格。旁白音色比较低沉,节奏和停顿与画面衔接还可以,没有出现明显的延迟。

效果如下:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

由于上传图片和提示词存在冲突, PixVerse V5对创意进行了结合后生成。整体效果较为完整,但仍可注意到一些细节上的不足,比如人物表情稍显僵硬。

不过从国风动漫风格与背景的融合效果来看,画面和旁白的配合已经具备可参考的样式。自动人声虽然不算有强烈的表演感,但作为辅助工具,表现还算中规中矩。

3)真实风格下的科幻片空战现场

前面尝试了这么多都是人物动漫,接下来试试其他风格。

接下来,我们看下 V5 在处理宏大画面、火光爆炸、多个主体同时存在的情况下,能否保持构图的完整性和细节的真实感,尤其是「真实风格」的表现。

提示词如下:

一个人把直升机打下来了。 高空俯拍,科幻大片质感,真实感,全景,高空,战争。 武装直升机内部视角,战士用机载重机枪向地面扫射,弹壳飞溅, 两架武装直升机向地面发射小型火箭弹, 数枚火箭弹从直升机的弹仓带着白色拖尾飞向地面, 地面一片火海中密集的外星生物,外星巨兽,爆炸,黑烟,加强细节,补光,双倍曝光。

这种宏观场景首先是考验主体部分的动作与情节设计,特效是否足够「逼真」。还有就是非主体部分会不会过于模版化,呈现出明显的「绿幕感」。

最后生成的视频画面展现了武装直升机、爆炸火海和。可以看到子弹飞溅、直升机机体受损的动态,局部细节较为清晰。

下面是 V5 生成的视频:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

从整体看,特效和细节虽然没有完美无瑕,但在 AI 自动生成的框架下,画面没有明显的「绿幕感」或生硬拼接。

不过,我觉得这里很值得夸的就是「音效」与人物枪口的火焰以及枪械动作的匹配度,表现不错。

值得一提的是,之前的 PixVerse V4 算是业内首个上线「音画一体」的 AI 视频模型。

4)首尾帧拼接:文字空间

这一部分的重点不在画风,而在测试「首尾帧」功能。这也是许多 AI 视频生成的基础操作。创作者可以上传两张漫画式静态图片,要求系统生成一个逻辑连贯的小动画。

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

用户可以先确定帧数,也就是你要上传的图片张数,我们先拿最基础的「首尾帧」也就是 2 帧图片作为参考图为例。

比如我这里 2 张书法字空间的图片,整个场景的元素密密麻麻,比较重复也比较复杂:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

于是,我就把这两张图片上传到了 PixVerse V5 ,然后输入了两张图片间发生的故事。

提示词其实非常简短:

主角走出了文字障,却进入了一个更大的充满文字的空间。

为了配合画面,我又给它加了一段音效描述:

空间回荡的回声

整个生成过程持续了大约 1 分 30 秒,系统完成后一次性产出了四个 4 秒、1080p 分辨率的视频。这个生成消耗了 360 积分。

我从中挑选了一个效果最好的视频,把它放了上来。

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

你能看到,整体在画面和声音上结合得很自然,比如主角跨过文字屏障,进入下一个空间时的转换非常自然。而且在第一个场景中的所有文字都有比较好的立体感,随着人物走动,并没有出现什么幻觉:

5)多帧拼接:梦核故障风电子音乐 MV

当然,「首尾帧」不仅仅能将漫画变成有情节的动漫,还能完成一些风格化的意识流艺术创作。

我本人最喜欢的一种风格,也是现在各种平台狂推的「梦核风」。这里科普下,梦核风并不是单一的画风,而是一种「介于梦境与现实之间」的审美风格,比较抽象。

比如这里我就上传了 3 张梦核故障风的图片,看看能不能生成一个电子音乐的MV。

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

多帧模式下你需要点进去,设置每两张图片之间的「剧情」和「时间」:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

由于多帧设置会稍微麻烦点,我就稍微偷个懒,只在前 2 张图片之间输入了整体的提示词:

一个电子音乐的MV

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

最后出来的结果证明, PixVerse V5 在「多帧」功能上的理解能力还不错,最后的效果很完整:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

生成结果并没有对图片做大幅修改,而是通过镜头推进、人物动作衔接来串联。例如第一张图的人物与第二张图的细胞之间,被设定为一种「孕育」的过程,使得画面居然显得有一定叙事意味。

确实有些过于抽象了,但这也正是「梦核」的魅力。

虽然剧情线仍显薄弱,但 PixVerse V5 确实做到了让互不相关的画面「看上去像一个整体」。

6)续写:中式怪诞风格的动画

除了「首尾帧」之外,PixVerse V5 还有一个重要功能是「续写」。也就是根据你上传的视频和提示词,对视频进行延伸。

这里的重点是前后镜头人物形象与风格的一致性。

于是,我上传了一个中式怪诞风格的视频进行测评。原视频是一个穿着唐装的木偶,画着花旦妆,拿着油纸伞,因为视频较短,没什么情节。

既然是中式玄幻怪诞风格,我们可以尝试一个比较有趣的提示词:

女人放出了几个分身。

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

续写的画面保持了原视频的中式怪诞风格。

人物外形与妆容较为统一,延伸出的分身虽然在细节上各有不同,但整体也能看出与原人物的关联。氛围感也延续了原始视频的气质:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

而且,不知道你注意没注意到,主体角色的分身的元素都很统一,像是耳朵旁的吊坠,在全过程中,也都在动态变化。

AI 视频行业正在「迅速工业化」

测试完这么多案例,我们最后来看看 PixVerse V5 模型的价格和生成速度,在我们测试中基本用的都是 1080p、8s,一次生成是 160 积分,基本上只需要十几秒内,比较快。可以说是背后的技术架构决定了速度和目前最大的用户规模。

从 PixVerse 官网来看,15000 积分 = 459 元 = 750 秒,1000 元能做 1634 秒,关于年会员订阅,国内外统一了会有 36% 的降幅。

这个价格对于频繁去各类 AI 视频生成平台的我来说,算是比较「加血」的。

这背后,其实是 AI 视频行业正在「迅速工业化」的推动。

2023 年 4 月 爱诗科技成立,10 月开放 PixVerse 内测。后来的 2 年内,它几乎每个季度都有版本更新。从 2023 年 10 月的 PixVerse V1 到 2025 年 8 月的 V5,PixVerse (拍我 AI)的公司爱诗科技已经把模型版本更新了 8 次。期间,今年六月才上线了拍我 AI 国内版。

上线两个月,产品功能、模块和性能与国际版和性价比全部持平。

爱诗科技的技术一直在做「减法」。

比如,2024 年 10 月的 V3 上线的无提示词特效模板,让很多人感受到「原来我也能做 AI 视频」,于是玩的人多了;到了 V4,视频生成速度提起来、App 上线,用户开始把它当成日常工具;再到 V5,生成质量和效率大幅提升,加上 Agent 创作助手,0 基础用户用一张图就能变成具有叙事能力的完整短片,这才真正把「玩一玩」升级成「能创作」。

这样才逐渐形成了「用户越用越多 → 内容越多越丰富 → 又吸引更多用户」的滚雪球效应。

很多创作者调侃说,PixVerse(拍我 AI) 的迭代速度,像极了早期手游工作室。不怕版本多,就怕更新慢。

便宜,更新快的具现化场景是什么?

举个最简单的例子,如果你每天刷短视频,大概早就注意到:AI 短视频、AI 短剧在各大流量池迅速冒头。我们自己的推荐流里,几条里就有一条。这背后的推力很「工业」,创作者需要「工业化」的 AI 视频工具,便宜、好用、稳定、出视频快:

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

可以说,当这样的 AI 视频生成模型能够在「实时、懂故事、有审美、To C」等 4 个维度上,更进一步时,AI 视频生成「工业化」才有了一个好的开头。

看完这一圈眼花缭乱的测试,你可能会感觉有点复杂。但如果我们把所有技术名词都拨开,这件事的核心其实非常简单,并且充满了理想主义的温度:

它告诉我们,视频创作的门槛,正在以一种不可思议的速度消失。

PixVerse (拍我 AI)的联合创始人们有着独特的「镜头感」,他们常参与各种大会,利用传播机会,扩展影响力。

创始人王长虎和谢旭璋,都曾在各种场合,表述自己对 AI 视频生成行业未来的看法:

让好的模型带来好的产品。

全世界还有几十亿人没做过视频,我们希望用 AI 帮助这些大多数人,实现视频创作的普惠。

这些表达意味着,过去我们是故事的观众,而之后,人人都有机会成为故事的讲述者。

每个人脑海中那个独一无二、闪闪发光的想法,都能被「AI 摄影机」捕捉。

PixVerse V5 突袭上线,我们在「拍我AI」上第一时间深度实测

文章来自于微信公众号“十字路口Crossing”,作者是“小居,镜山”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)