機器之心報道

編輯：+0

制作一個視頻需要幾步？可以簡單概括為：拍攝 + 配音 + 剪輯。

還記得 veo3 發布時引起的轟動嗎？「音畫同步」功能的革命性直接把其他視頻生成模型按在地上摩擦，拍攝 + 配音 + 粗剪一鍵搞定。

那如果我就是想用自己迷人的聲音呢？或者我自帶精妙絕倫的配音？有沒有其他解決方案？

有的朋友，有的！

8 月 11 日，Pika 推出了一個名為「音頻驅動表演模型」（Audio-Driven Performance Model）的新模型。

Pika 允許用戶上傳音頻文件（如語音、音樂、說唱或任何聲音片段），并結合靜態圖像（如自拍或任意圖片）生成高度同步的視頻。視頻中的角色會自動匹配音頻，實現精確的口型同步（lip sync）、自然的表情變化和流暢的身體動作。

更通俗一點說就是，讓任何一張靜態圖片，跟著你給的音頻動起來，而且是活靈活現的那種。

你隨便扔給它一張自拍，再配上一段馬保國的「年輕人不講武德」，你照片里那張帥氣的臉，馬上就能口型神同步，連眉毛挑動的時機都分毫不差，主打一個「本人親授」。

這事兒要是放以前，你起碼得是個頂級特效師，搗鼓個十天半個月才能弄出來。現在，Pika 告訴你，平均只要 6 秒

你沒看錯，就是 6 秒。你上個廁所的功夫，那邊視頻都生成好了，而且還是 720p 高清，長度不限，想讓蒙娜麗莎給你唱一整首《忐忑》都行。

不過目前功能僅限 iOS 端，且需要邀請碼，期待功能盡快開放。

話不多說，我們來看看網友測評。

首先來看看我們前面提到的自拍 + 音頻，效果可以說是相當驚艷了。

址：https://x.com/WilliamLamkin/status/1954940047624372508

不論是說唱部分還是歌曲部分，唇同步準確性非常高，避免了以往 AI 視頻中常見的「假唱」問題。

你如果仔細觀察會發現說唱部分中間有一段停頓，人物的表情神態也很自然，活人感十足。不過也不是完美無缺，男歌手的手看起來就怪怪的。

Pika 官方也分享了幾個用戶制作的精彩視頻。

地址：https://x.com/pika_labs/status/1955007656302924192

對于不同語言，Pika 生成的效果看起來也非常不錯。

還可以生成一段不是吉米的吉米秀，AI 演員的表現力非常不錯。

用來拍電影怎么樣？讓亞洲面孔的大叔一口印式英語，吐槽露營的糟糕體驗。

還可以直接來一場 live 秀！

我們可以預見，它將很快成為社交媒體上的新寵，誕生無數有趣的 Meme 和創意短片。

但它的潛力遠不止于此：獨立游戲開發者可以用它快速生成 NPC 對話動畫，教育工作者可以制作更生動的講解視頻，甚至在不遠的將來，我們每個人都能擁有一個專屬的、能言善辯的 AI 數字分身。

當然，技術總是一把雙刃劍。當任何圖片都能被賦予任何聲音時，如何辨別信息的真偽也成了我們必須面對的新課題。

但無論如何，一個全民參與、創意迸發的視頻新時代，似乎已經敲響了大門。下一個引爆全網的病毒視頻，或許就將出自你我之手。

視頻鏈接：https://mp.weixin.qq.com/s/EBQUtfKuPaXNLpAZcsM3NQ