国产AI可以拍微电影了！4K、60帧高清画质，自带音效

　　AI驱动视频生成：国产AI迈入有声电影时代

　　自Sora引爆视频生成领域以来，AI生成的视频大多停留在“默片”阶段，即没有对应的音效。然而，这一局面如今已被打破，国产AI已能将视频生成带入有声电影时代，并实现了4K、60帧高清画质。

　　这款国产AI正是智谱刚升级的新清影，其特点包括：

1. 电影级效果：支持4K、60帧高清画质，10秒时长和任意比例视频。
2. 模型能力全面提升：背后的CogVideoX模型更懂复杂prompt，能够保持人物等主体的连贯性，效果更逼真。
3. 自带音效：引入CogSound模型，能够自动根据视频内容生成匹配的音效，即将在清言APP上线。

　　利用这套AI组合拳，用户可以轻松生成微电影或短视频。首先，用户通过GLM 4 Plus生成微电影脚本，再用文生图AI生成高清大图。接着，将图像传入新清影的图生视频界面，并填写效果prompt。最后，选择基础参数后，即可生成电影级别、自带音效的高清视频片段。

　　智谱的CogSound模型在音效生成方面表现出色。无论是自然环境、动物世界还是多种乐器演奏的视频，CogSound都能精准理解视频内容并生成匹配的音效。例如，在《流浪地球》的视频片段中，CogSound生成的音效几乎与电影原声无异。

　　此外，智谱的CogVideoX在视频生成能力上也有大幅提升。例如，生成的老爷爷情绪和表情变化宛如电影片段，科幻火焰老虎的视觉效果也十分逼真。这些成果得益于CogVideoX在内容连贯性、可控性和训练效率等方面的能力提升。其模型架构基于多个专家Transformer模块，采用因果3D卷积和专家自适应层归一化等技术，实现了更自然、更具连贯性的视频生成。

　　智谱的多模态矩阵涵盖了文本生成、图像生成、视频生成、音效生成、音乐生成等多个领域。随着CogSound的发布和即将上线的音乐模型CogMusic以及此前已发布的GLM-4-Voice人声模型，智谱在视频生成中的“音”这块已全面布局。未来，随着这些技术的不断发展和应用，短视频制作领域或将迎来AI时代的全面到来。