一水 发自 凹非寺

量子位 | 公众号 QbitAI

将音频、图像、视频整合进同一工作流，这个由斯坦福初创公司发布的视频工具火了！

预览版支持生成30S逼真视频，网友们直呼不输Luma。

抢先看性转版马斯克激情说唱：

与Luma一样，目前这个名为Hedra的工具可以免费试用。

在给大家带来一手实测前，再来看一波新鲜整活儿~

让面值10德国马克上的“数学王子”高斯自我介绍：

让石像说话、眨眼、摆动头部：

生成虚拟土豆人角色：

让僵尸管家变换表情：

好了，鉴于近期翻车事件过多，让我们直接启动实测。

Hedra究竟如何？

Hedra目前可在桌面和移动设备使用，这里我们直接访问官网。

Hedra的目标是建立一个人人都可访问的多模式创作工作室，因此将音频、图像、视频都结合在了一起。

在音频部分，官方预置了6种音色，可以文字转音频，也可以直接上传音频文件。

然后输入你的角色描述，中间可以直接生成图像，当然也支持上传图像。

最后一键生成视频，以下为实测结果（约50秒时间生成了2秒视频）：

顺便一提，一开始本来想传Sam Altman的图片，结果被官方识别为“名人”予以拒绝了。

除了以上小编实测，已经体验了Hedra的网友们也反馈了一大波实测结果。

而且官方挨个在线回应了，接下来一起瞅瞅~

有网友细心捕捉到了Hedra视频中的动漫人脸畸变情况。

不过在镜头拉近，类似特写时这种情况有所改善。

官方坦言，目前Hedra确实还在与非人类角色作斗争。

但是对于人兽混合的情况，官方表示效果还行，比如有网友生成了如下视频：

此外，也有网友提到了Hedra审核过严的问题。

网友想用以上3张及其他图像试着生成类似电影的片段，结果被系统判定为“名人”而拒绝生成。

该网友表示：

这些是AI生成的，不是名人。虽然安全很重要，但误判过多。

对此，官方多次回应后续会看情况调整。

以上为网友提及率最高的两个问题，官方也在更多回复中透露了其他情况。

• 无限时长（开放预览为30秒）
• 每60秒生成90秒（如果官方H100供应充足）
• 模型目前提供音频到视频，但正在扩展其他输入形式
• 即将推出16:9的视频尺寸
• 模型主要测试了中文和英文输入，且中文表现还不错
• 模型目前提供API，可加入官方Discord

Hedra此次发布的基础模型Character-1由前斯坦福大学顶尖研究团队领导。

首席执行官Michael Lingelbach，斯坦福大学前博士生，从事空间智能研究。

另一负责人Alex Bergman，同样来自斯坦福大学，研究领域包括计算成像、计算机视觉、计算机图形学和机器学习。

在谷歌学术页面，Alex Bergman发表或参与发表了数量颇丰的论文。

除了Hedra，最近几天视频生成工具正在迎来爆发期。

有网友也借机整合了Hedra、Luma、elevenlabsio等，不到1分钟制作了一个短片。

你觉得效果如何？欢迎在评论区分享使用反馈。

工具地址：

https://www.hedra.com/

Discord:

https://discord.com/invite/KXeUUa6cXD

参考链接：

https://x.com/HBCoop_/status/1803100686306972128

https://x.com/JDL4_/status/1803207271981150594

https://x.com/seirdotmk/status/1803127446364905512

https://x.com/Shane__Willett/status/1803204476473401603

https://x.com/danielpikl/status/1803149141326930050

https://x.com/amorvobiscum/status/1803142141260210436

https://x.com/janusch_patas/status/1803095423806062770

https://x.com/ammaar/status/1803112436284698819

— 完—

量子位年度AI主题策划正在征集中！

欢迎投稿专题一千零一个AI应用，365行AI落地方案

或与我们分享你在寻找的AI产品，或发现的AI新动向

点这里👇关注我，记得标星哦～

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~