关于视频来说，音效和画面总是相得益彰的，依据此，咱们也用几段去掉音频的「哑剧」视频，并让 AI 为它们生成相应的音效，主张翻开音量键食用。
美丽的焰火扮演，它们在夜空中开放的瞬间，调配上 AI 音效，有没有感动你？
核爆炸的场景很大，调配声响却就没有推迟，在仿照实在爆炸声，环境噪音以及余波等方面表现出色。
假如 CogVideoX 与 CogSound 强强联合，即由清影技能担任生成画面，而音效模型担任配音，最终生成的视频内容也更生动、实在，乃至可以牵动人心。
1900 年，第一部有声电影在巴黎放映，直到十年后，这种可以将声响与印象同步的技能才逐步老练，达到了商业化的规范。
有声电影的面世，不只仅终结了电影自诞生之初的缄默沉静情况，更重要的是，它将电影从单一的纯视觉艺术转变为视听结合的全新艺术形式。
现在，前史的轮回再次演出，从年头的「哑剧」到现在的 AI 音效，假如说前者仍是局限于 0-1，那么 AI 音效的参加，则标志着 1-N 史诗级跨过。
依据 GLM-4V 的视频了解才能，智谱宗族的新成员——音效模型 CogSound 可以精确辨认并了解视频背面的语义和情感，并在此基础上生成与之匹配的音频内容。
在印象叙事中，声响的到来是一个要害拐点，它不只使叙事从依靠文字构建的视频中包围，而且在观念和办法上都带来了更宽广的幻想空间。
上个月，好莱坞艺人的停工风云没有停息，而导演卡梅隆则在到会峰会时表明，AI 将会从头界说电影故事描绘，协助编剧导演探究新的故事线，以及叙说方法。
放诸到视频产业界，音效模型也存在广泛的运用场景，比方可以生成电影中的大规模战役场景和灾祸场景的声响，快速缩短制造周期，降作本钱。
前史上的技能大爆发给咱们供给了一些思路。假如说工业革命的机械化、流水线作业等方法，让规范化的大规模出产成为或许，那么跟着 AI 的到来，经过学习很多的数据和形式，可以仿照人类的决议计划进程、而且依据每个用户的详细需求和偏好定制个性化服务。
简言之，经过下降运用门槛，AI 让每个普通人都能手捏自己最喜欢的个性化视频。
法国新浪潮的代表人物让 - 吕克 · 戈达尔，也曾讨论过电影技能革新对电影言语和艺术性的影响：
「电影不是仅仅在拍照时运用声响和印象，而是在观众心中构建某种言语。无声电影经过视觉发明了更多的或许，而有声电影则改变了这种创造方法。」
而追溯至本年 2 月份，人们关于 AI 视频的展望是由 OpenAI 发布的 Sora 首先摆开，但很惋惜，直到此时此刻，该产品却似乎堕入「如来」的情况，至今未见踪迹。
也正是在这个期间，咱们很快乐能清楚看到国内厂商乃至在这一赛道上「东风压倒西风」，完成了真实意义上的弯道超车。
不过，这或许还仅仅开胃小菜，智谱以为真实的智能一定是多模态的，听觉、视觉、触觉等一起参加了人脑认知才能的构成。
构建包含文字、图画和视觉等模态在内的智谱多模态大模型矩阵，可以进一步提高大模型的运用和东西才能，也是在迈向 AI 的终极目标—— AGI。