在本次Cloud Next 2024大会上，谷歌除了展示其云产品和服务，也难掩对生成式人工智能的高度重视。它宣布推出升级版Imagen 2，新增名为"实况图像"(Real-time Image)的视频生成能力，但与现有同类工具相比，这一功能的实际表现仍显不足。
作为Imagen图像生成模型的最新进化，Imagen 2可根据文本提示创作和编辑图像，而"实况图像"则允许用户输入文字描述，如"一只西伯利亚虎在雪地里奔跑"，系统即可基于该提示生成4秒的动态GIF视频短片。谷歌将这项功能定位为营销人员和创意工作者的实用工具，有望替代一些成本较高的专业视频拍摄需求。
不过，与视频生成领域其他工具相比，Imagen 2"实况图像"的实际表现仍有一定差距。例如Runway公司的视频生成系统，不仅能生成长达18秒的高分辨率视频，而且支持用户自定义更多参数，内容形式更加丰富多元。就连OpenAI内部使用的新系统Sora，其生成视频的分辨率和细节程度都已达到近乎照片级别的质量。相较之下，Imagen 2目前"实况图像"的输出仅为360x640像素的低分辨率，的确显得有些单薄。
为解决潜在的版权争议，谷歌表示Imagen 2采用了自家人工智能研究团队DeepMind开发的SynthID技术，在生成内容中嵌入了不可见的数字水印。理论上，即便对视频做任何修改，这些水印都能继续存在，从而确保内容的出处可查。不过检测这些水印需要使用谷歌提供的专有工具，公司并未采取开源的方式，这在一定程度上缺乏透明度。
Imagen 2的"实况图像"视频生成能力固然是一项创新尝试，但暂时还难以与Runway和OpenAI的视频生成系统分庭抗礼，还是期待一下谷歌在未来能否就"实况图像"功能推出更加出众的升级版本吧！
