AI系列专题跟踪：视频及图像生成模型

（以下内容从华安证券《AI系列专题跟踪：视频及图像生成模型》研报附件原文摘录）
主要观点：
生成式AI模型开源闭源并行发展，模型版本持续迭代
从生成式AI模型出现至今，国内外的AI视频图像模型不断迭代，整体上呈现开源与闭源生态并行的发展趋势。海外及国内AI大厂（如Google、Adobe、OpenAI、字节跳动）在闭源模型竞争上日趋激烈，不断在各自领域加速渗透大型商业化市场，例如广告、影视制作等场景；开源模型的落地更多集中在降低中小开发者门槛，在游戏、短视频等交互场景中推动技术普惠化。
目前国内外主流的生成式AI模型版本主要为：Gen-4Turbo、可灵2.1、即梦AI3.0、Midjourney V7等。整体在智能化水平高速提升的背景下，AI驱动的创新落地成为各厂商竞争点，例如将生成式AI与搜索、广告内容、办公等多个领域进行融合，加快模型在B端和C端的落地。
生成式AI在影视行业内全链路布局，多维度提升影视质量
生成式AI已经初步在影视行业落地，例如在动画短片和部分特效场景中。AI视频生成已经具备复杂场景生成能力，在保证质量的同时可以实现分镜，真实物理规律以及角色一致性等。从落地的场景角度，生成式AI在剧本生成，角色/场景建模，动画生成，后期配音，剪辑调色等环节均有不同程度的应用。
我们认为在影视领域，算力资源和一致性为目前主要的限制因素。原因在于生成更长的视频意味需要更多的计算资源，或者在资源有限的情况下，由于模型自身的技术原因，为了保证质量，视频的时长会存在压缩的情况，这也就对视频生成的前后一致性有了更高的要求。
助力游戏内容生成，游戏内赋能交互场景
市场上游戏类别多样化，因此对于研发效率和研发质量有着更高要求，游戏内容也从传统的固定交互逐步走向个性化互动模式。生成式AI在此过程中可以从图像、文本、音频、3D等方面进行画面及场景生成。
在内容生成上，生成式AI可以从美术，背景内容，玩法上进行对应生成。美术包括角色的建模和对应的贴图动画和局内特效；背景内容包括背景生成，剧情生成等；玩法包括关卡难度，道具属性调整等。在玩家游玩的交互层面，生成式AI可以通过NPC的个性化交互进行辅助游玩，包括但不限于玩法介绍，装备介绍，局内攻略等。同时在局内场景上也可以实现智能识别并动态响应。
生成式AI未来趋势
在影视领域，未来生成式AI会不断地在精度、质量和时长三个维度进行创新迭代。首先在精度方面，要在复杂提示词和参数的条件下精准生成和控制镜头角度，运动轨迹和背景布局等。目前主流的生成工具对于相对复杂的指令响应有限。未来条件指令输入的方式多模态化，文字+图片生成视频方式会被逐步采用。
在质量上，主要痛点还是会出现不符合真实物理规律的情况，例如“局部合理，整体荒谬”情况，稳定性有待提高。
时长上，当前主流的生成模型生成时长集中在半分钟内，例如可灵2.0最长可以在1080p分辨率下生成2分钟视频。限制时长主要与模型复杂程度有限、计算资源有限有关。
投资建议
国内生成式AI行业内百花齐放，各领域厂商均有布局。在游戏的制作与应用方面，腾讯凭借自身技术积累，赋能多个核心环节的创作生成，全线覆盖影视内容制作的前、中、后期，实现降本增效，创意生成。同时公司开源混元3D生成模型2.0版本，并同步推出混元3D AI创作引擎，对游戏角色的建模进行解耦，加快内容的制作。阿里巴巴的通义万相模型在业内领先，目前开源至Wan2.1-VACE版本，可以同时支持文生视频、图像参考视频生成、视频重绘、视频局部编辑、视频背景延展以及视频时长延展等全系列基础生成和编辑能力。同时阿里在生成模型上进行多任务能力探索，包括：图像参考；视频重绘；局部编辑等。快手可灵大模型从23年推出开始，先后经历了6个版本迭代至可灵2.1，在画质质量、动态质量、美学表现、运动合理性以及语义理解等方面不断提升。自研模型和自身运营视频平台打开了商业化落地的想象空间，形成广告等内容的自产自销，从而推动内循环广告健康增长。建议关注在模型侧持续投入布局和商业化落地初具成效的相关公司，模型侧包括：腾讯控股、阿里巴巴-W、快手-W、美图公司等，游戏端包括：网易-S、恺英网络、三七互娱、吉比特、神州泰岳、巨人网络等，影视端包括：光线传媒、万达电影、上海电影、中文在线、昆仑万维等，广告端包括：分众传媒，蓝色光标、省广集团、易点天下等。
风险提示
版本迭代不及预期风险，相关政策风险，商业化不及预期风险等。