Lumiere：用于逼真视频生成的时空扩散模型
一项新的 Google 研究项目 Lumiere 展示了一种视频扩散模型，能够生成短而出人意料地连贯的、由文本驱动的视频片段，并执行修补和宽高比扩展等任务。评论者对质量提升的速度印象深刻，并预见它会对广告、动画、色情内容和创意工具等领域产生重大影响，同时也指出这类模型很可能会被用于深度伪造和 AI 生成的“噪音”。不过，许多人也对 Google 不透明的演示、长期不发布或仅限产品化的历史，以及围绕训练数据和滥用的法律与伦理问题表示怀疑。
对 Lumiere 能力的总体反应
- 许多人认为这是迄今为止最先进的文生视频模型：更长、更连贯的片段；更少像脚部滑动这类伪影；与之前的工作相比，运动和一致性都令人印象深刻。
- 但也有人仍然觉得这些视频明显是合成的：带有“梦境感”、模糊，人物面部也较弱；那种“AI 感”有点像现代 CGI，总是无法完全让人觉得真实。
- 还有几位指出，2–5 年前这看起来会是不可能的；他们把这种进步速度描述为惊人，甚至“可怕”。
对 Google、开放性与可复现性的担忧
- GitHub 仓库只托管了项目页面；没有发布模型、代码或权重。评论者批评用 GitHub 承载非开源工作的做法。
- 很多人强烈认为，既然它来自 Google，要么永远不会发布，要么多年后才会以封闭的云 API 形式出现，或者实际上就会“烂在架子上”。
- 人们在 Gemini 视频争议之后对 Google 的 AI 营销缺乏信任，并质疑 Lumiere 演示中有多少是精心挑选的。
- 有人认为，如果没有可复现的产物，这项工作不应被当作真正的科学；也有人回应说，核心思路仍然有价值，而且会被其他人重新实现。
技术讨论
- 关键设计：先生成完整的低分辨率时空表示，再在空间和时间上进行上采样；这有利于时间一致性，但目前限制了片段长度。
- 建议包括：通过拼接重叠片段生成更长视频；把“一致性”当作单独阶段；扩展到 3D 世界或 VR 场景生成。
- 讨论还涉及这类模型究竟是真的学到了 3D 结构，还是只是在伪造它；有人提到已有工作显示扩散模型内部存在深度/场景表示。
用途、影响与风险
- 预计早期采用者包括：电视和制药广告、YouTube 内容、广告 CGI、前期可视化/分镜、宽高比转换（例如 4:3 → 16:9）以及 TikTok/IMAX 重制。
- 很多人预测中等水平的创意岗位会受到重大冲击（素材图片/视频、广告制作、VFX、部分动画师），而高端专家和独立创作者更可能被增强，而不是被取代。
- 反复出现的预期是，一旦这类模型广泛可用，色情内容以及深度伪造/滥用内容会爆炸式增长。
- 一些人认为 AI 视频会侵蚀人们对视频证据的信任；另一些人则认为，这可能推动社会形成更健康的怀疑态度和来源核验习惯。
伦理、法律与内容审核
- 关于使用受版权保护数据训练的争论：当前是否合法、是否适用“合理使用”，以及未来是否会有新立法迫使进行授权许可。
- 现有 AI 产品中过于严格的安全过滤也引发不满；一些用户转而使用越狱手段，并希望有更少审查、更“原始”的模型。