商汤开源了SenseNova 6.8 Code2Video模型，这是一个27B参数的代码驱动视频生成模型，模型权重已同步发布在GitHub和Hugging Face平台。该模型的核心思路是先生成视频特效的代码，而非直接生成像素，使后续修改更加工程化，适合制作科普视频等需要精确控制细节的b-roll素材。模型具备三项主要能力：一是从一句创意描述或详细需求出发，生成可预览的视频；二是通过自然语言继续修改已有结果，调整风格、颜色、元素和时间安排；三是分析参考视频的布局与运动，用代码重建视觉效果后再按要求修改。项目还配套了创作Skill，用于梳理想法、细化需求并引导预览与修改。官方展示了多个成片案例，包括由多个小表盘指针协同组成大数字的时钟阵列、适合心理学概念讲解的插画动画，以及逐步搭建场景的书店动画。在迭代案例中，模型根据提示词生成了机场复古翻页牌动态字体短片，随后通过自然语言指令先后完成了从暗黑风格到明亮粉绿撞色风格的重绘，以及添加飞机和旅客元素且不遮挡提示牌文字的修改。另一案例中，模型仅凭一段Forma产品demo视频（无原始工程文件）便复刻了画面结构与运动，并将产品名改为KITE、画布改为浅绿色。INT4、INT8量化版本计划后续提供。
事件分析
Code2Video代表了一条与像素级扩散模型不同的技术路线：将视频生成转化为代码生成问题，借助代码的可读性与确定性，实现精确控制、低成本修改和结果可复现。这种范式天然契合动态图形、产品演示、科普动画等结构化视频场景，但对写实影像仍难以覆盖。产业层面，开源27B模型降低了动效视频的制作门槛，对按秒计费的闭源视频模型形成补充，也允许中小团队私有化部署。此外，从参考视频逆向重建工程的做法，隐含了视频’去工程化’再’工程化’的能力，对动效设计工作流可能产生实质影响。后续看点在于量化版本的实际显存需求与消费级显卡推理表现，以及代码路线能否在分辨率、时长和复杂物理效果上持续突破。
核心观点：代码驱动视频生成把AI视频创作从黑盒抽卡变成可版本管理的工程，为精确控制的动效场景提供了开源新范式。
原文链接：Linux.do
评论前必须登录！
立即登录 注册