就在刚刚，智谱清言App上线了“新清影”，同时对外开源了智谱最新的图生视频模型CogVideoX v1.5。

3个多月前的智谱Open Day上，视频创作智能体清影正式在智谱清言上线，只需30秒即可生成时长6秒、1440x960清晰度的高精视频，随即涌现出了短视频、表情包梗图、广告制作等创新玩法。

短短一个多月的时间，智谱就将清影背后的图生视频模型CogVideoX 2B和5B版本给开源了，可以在消费级显卡上流畅运行，陆续衍生出了CogVideoX-factory等大量二次开发项目。

经过3个多月打磨和进化的“新清影”，都有什么能力上的提升，又将带来哪些有趣的新体验呢？

我们有幸拿到了提前内测的资格，下面和大家一起来揭晓答案。

01 更高清、更快速、更逼真的图生视频

在和多位内容创作者的沟通中，我们了解到：相较于文生视频的趣味性，大家对图生视频有着更高频的需求，因为图生视频进一步提高了生成视频的控制和一致性，可以快速生成可用的视频素材。

“新清影”的第一个亮点，正是“图生视频”能力的全面提升，确切地说可以归纳为四个方面：

一是4K超高清分辨率，相较于清影6秒、1440x960的清晰度，“新清影”支持生成10s、4K、60帧超高清视频。

二是可变比例，用户可以上传任意比例的图像生成视频，哪怕是超宽画幅，都可以生成对应比例的视频。

三是多通道生成能力，以往的图生视频类产品，一次只能生成一个，“新清影”可以一次性生成4个视频。

四是模型能力的提升，CogVideoX在内容连贯性、可控性和训练效率等方面实现了多项创新，让“新清影”的图像质量、美学表现、运动合理性、复杂提示词的语义理解等能力显著提升；同时有着更强的人物面部、表演细节、动作连贯性和物理特性模拟。简而言之就是更加自然和逼真。

前三个方面的提升很容易判断，需要验证的创新点恰恰是视频质量和逼真度，也是视频生成类产品最核心的价值。于是我们找到了几组图片，输入对应的提示词，来验证“新清影”是否言过其实。

第一组照片是站在木桩上的仓鸮，后面的背景被虚化了，给出的提示词也很简单——“让图片中的动物动起来”，以此来验证“新清影”在运动合理性、动作连贯性和图像质量等方面的表现。

除了效果依旧让人惊艳，更直观的体验是效率，整个过程只有几分钟的时间。可以预见，将照片素材批量生成自带音效的视频，或是接下来一段时间里一个重要的应用方向。

进一步猜测：是否存在用工具流同步调用多个模型，只需一个指令就能生成画面和音效同步的视频呢？

借用智谱官方的表态来看：“我们的理想状态是，只需一个好的创意，剩下的事AI都能辅助搞定，轻松将一个 idea、一张图，变成一段自带 bgm 的影片。”言外之意，从脚本、视频画面到声音和音效，过去需要整个团队分工协作完成的任务，以后都可以交给大模型，实现全流程自动化。

一个All in One的视频创作平台，注定不再遥远。

04 写在最后

也许过不了多久，短视频的创作模式就将被重构。

创作者们不再需要亲自出镜，不再需要奔赴拍摄地点；只要通过语言清晰描述自己所需的场景与内容，就可以轻松批量生成符合需求的短视频。

内容创作不再拘泥于专业群体，普通用户也可以通过简单、直观的工具，用AI视频表达自己的创意和想法。

这是大模型的机会，也是所有创作者的机会。