57.1%的人分不清真假！Runway新视频模型太爆炸

不er，这个世界还有什么是真的？反正我是已经分不清了...

短短3秒，连续切了3个镜头，从人物脸上的皮肤纹理，到满天纷飞的大雪，细节真实到有点离谱！

再看看这个，湿漉逼真的头发、肉眼可见的面部雀斑、超自然的景深，有点好莱坞大片内味儿了嗷：

还没完，咱再来看这个，机械义体与人脸的融合，以及构图处理都非常到位，妥妥滴赛博大片即视感！

你就说逼真不逼真吧…

不卖关子，就是Runway刚刚发布的——全新「Gen 4.5」模型。

这次更新主打的是图生视频，在镜头控制和故事叙事上，明显往next level推了一步～

这波效果一出来，网友当场坐不住了，直呼：感觉都能吊打好莱坞制作团队了好吧？太逼真！（doge）

甚至逼真到，在Runway做的一项1000人参与的调查中，结果只有约一半的人能分辨出该模型和真实视频的区别……

问题来了，那这超超超逼真的——Gen 4.5模型效果到底咋样？咱一起来看！

模型更会讲故事了、细节处理也更到位了

咱先来说说，这次全新的Gen 4.5在模型能力上的有啥亮点看头～

• 长故事表达能力：能承载更长时序的内容结构，视频的完整度和长度大大提升。

• 精准的镜头控制能力：镜头的景别、角度、运动轨迹以及切换节奏都更可控，输出效果更接近真实摄影语言。

• 连贯的叙事能力：多个镜头之间的情节逻辑性更强，叙事表达比上个版本更到位。

• 更稳的角色一致性：图像参考+模型内部一致性优化，主体在不同镜头中的跨帧效果更稳定。

咱直接边看效果边细细道来～

从官方给出的效果看，在镜头控制上，Gen 4.5能在5秒的时间内快速生成包含「近景」「中景」「远景」的三个镜头。

即便镜头不断晃动，人物面部依旧保持了较高的一致性。

哪怕骑在快速飞行的章鱼身上，小女孩依旧「面不改色」，面部细节完全没崩～

还有下面这个让巨型毛绒大猩猩走在纽约街头徘徊的视频，不论是镜头比例、透视逻辑，还是主体与城市背景的光影一致性，都处理得相当稳：

我们再来看看模型「讲故事」的能力。

下面这个Runway CEO用Gen 4.5生成的两分多钟剧情视频，在叙事完整性和场景一致性上，已经接近一条可用的短片水准：

即便在同一个车厢环境中，多次切换主体的镜头位置和动作，画面之间的空间关系和镜头衔接依旧保持连贯，没有出现明显的跳轴或场景漂移问题。

再来看看下面这位网友制作的超有「镜头漂移感」的视频，镜头一拖一拽，给到每个人的特写，再恢复远景镜头，感觉就差一段超热血的bgm了！！！

怎么说呢，如果你跟我说这不是AI做的，我真会以为是哪个影视公司的新片片段。（真·脑子宕机了）

甚至，真实到什么程度呢？

连Runway自家公司里的《员工》，都已经分不清哪条是他们模型生成的，哪条是真拍的了……

于是乎，灵机一动的Runway索性直接找了1000个人来测一把，看看Gen 4.5到底能把人「骗」到什么程度，其规则是：

Runway把自家AI生成的视频和真实视频放在同样的分辨率和时长条件下，让参与者在10秒内判断，哪些是真人拍的，哪些是AI做的。

结果您猜怎么着？

这一千个人里头，只有57%的人能成功识别出哪条是AI生成的。（天塌啦！）

是的，在这场「安能辨我是AI」的大戏里，AI的生成水平，已经和人类的肉眼辨别能力打到了势均力敌的程度。

（好好好，这个世界到底还有什么是真的啊！！！）

没准哈，下一步可能真得靠AI去鉴别AI了……

视频模型能力，正在进入新一轮升级期

Runway这波模型更新，确实有亿点点不一般，与此同时带给我们的还有一个感受是：诶？这模型能力感觉好熟悉…

其实细细盘算一下，从去年年底到现在，市面上的视频模型一波接一波地更新，虽然各家厂商走的路线不完全一样，但整体看下来也有一些明显的共同趋势。

我也帮大家浅浅概括了一下：

• 真实度 / 物理一致性大幅增强：模型在光影逻辑、动作规律、面部控制等方面越来越接近物理世界的表现。

• 声画同步能力提升：模型可以直接生成配套音频，唇形同步精度明显提高。

• 局部控制精细化：局部编辑能力成为重要趋势，越来越多模型支持单独局部面区域，无需重新生成整段视频。

• 支持更久的生成时长：10–60秒的视频生成区间变得越来越常见，竖屏原生视频逐步占据主流。

• 视频生成方式更加多元：从图生视频，到音频生视频，视频生成方式越来越多，创作路径也变得更加灵活。

直接拿俩个大家感受比较深的模型能力趋势和大家聊聊。

首先，就是真实度和一致性的要求被整体抬高。

具体指的主要是纹理与细节保真、光影与氛围、整体画面质感等等，能体现物理世界的细节地方。

也就是说，现在的视频模型越来越注重AI是否能理解并遵守现实世界的物理规律，能否在「跨帧」这事儿上表现得更自然。

像Veo 3.1上一波的升级，就在视觉保真度和电影级打磨上大幅提升，许多官方demo的细节处理上已经接近电影级：

咱们再来看看声画同步能力。

给我们最直接的感受就是：视频终于不只是画面更真了，声音也终于安排到位了，哪怕是侧脸、极端角度，或者多人对话场景，声画方面也不太容易崩。

各厂商们都确实都在想着怎么让AI视频开始真正具备做带台词的短剧 、广告 、社交内容的可用性。

就在昨天，马斯克也官宣了Grok Imagine的最新成果，原生声画同步能力同样迎来了一波明显升级～

（这波热闹凑的好啊，好热闹啊）

总的来说，现在的主流视频模型，已经明显越来越接近可商业化应用、具备普适性的能力了。

当然了，各大厂商的发布节奏越来越「密」，说不定到了明天，又一个「新趋势」就会被端上台面。

但不管怎么说，Runway这波Gen 4.5的更新，确实有点出乎意料，也是真·一代更比一代强了。

感兴趣的朋友，可以直接上手搓搓试试～

参考链接：

[1]https://x.com/elonmusk/status/2014112911783084046?s=20

[2]https://x.com/runwayml/status/2014090404769976744

[3]https://www.youtube.com/watch?v=cOcsxd5mC8k

文章来自于“量子位”，作者 “梦瑶”。