AI 最薄弱的环节仍然是广角镜头和细节丰富的画面。如果你在720p分辨率下生成，而画面中有很多细节，图像会被缩小变小。然后当你提升分辨率时，它并不一定知道那是什么情况，有时你根本得不到清晰的细节。
大家好，欢迎回到 Denoised Addie 节目。你好吗？我很好。我们也挺好的。这次有很多更新，伙计。很多东西已经发布或即将发布。很多新的小功能。不过这个是大动作：Quarter Key 2.0 发布了。是的，我们之前聊过 Quarter Key 1.0。我用过第一版，虽然需要一点调整，但真的很棒。它的功能是你给它绿幕或蓝幕素材，它就能从中抠像。
第一次尝试就做得很好了。新版更好。我在某处看到有人说提升了百倍，虽然是个奇怪的数字，但效果确实看起来非常好。我个人觉得你我都喜欢 YouTube 上的 Quarter Crew 频道。他们做得很棒。我以前实际上在艺术区工作，离他们的工作室走路就能到。所以我偶尔会在周围看到他们走来走去，这也很棒。
我认为这个 Key 背后有很多底层 AI 神经网络的东西，这是传统抠像工具（比如 Resolve）所不具备的。他们的视频很好地分解了演示片段，其中有一个我喜欢的片段：一个人拿着绿幕背景逐渐失焦。还有那杯水，太疯狂了，它从中完美地抠出了图像。
这段视频深入探讨了他们如何训练 2.0 版本。基本上，1.0 是针对每一帧进行训练的：给你一帧画面，让它判断颜色和抠像区域。而 2.0 现在具有时间感知能力，它可以查看整个视频片段从而做出更好的判断。它能回溯过去也能展望未来，这才是正确的方法。
他们招募了一些神经网络专家等人员。这是一段非常棒的视频，深入介绍了他们如何构建和训练这个模型，并在本地硬件（如 Puget Systems 的本地硬件）上进行训练。这很酷，意味着不需要大型渲染农场或云计算网络。
我昨天实际上下载了它。因为我很好奇且价格可承受，所以我购买了50美元的许可证。我在我的 RTX 4090 显卡上运行了几个视频，速度真的很快。150帧的视频只花了一分钟左右处理完毕。
是 1080p 还是 4K？是 4K。而且它针对 CUDA 进行了优化，我猜它是需要 Nvidia GPU 的。不过它有 Mac 测试版，这很好。虽然你会在 Nvidia 显卡上获得更好的性能，但至少对于 Mac 用户来说有个选项是好事。
他们现在有一个独立应用程序。所以如果你不想在 Resolve、Premiere 或其他软件中使用插件，你可以直接下载这个独立应用。顺便澄清一下，第一版发布时是一个开源模型，你可以在自己的硬件上运行和下载，但你需要懂技术。然后社区构建了很多插件等东西。
2.0 版本仍然是免费的，权重等内容仍然免费开源供下载和使用。但他们也为几乎所有软件提供了很好的应用或插件界面，以及更友好的用户界面。一次性费用50美元。老实说，即使我要下载权重文件，我也可能愿意支付这笔钱，因为项目本身是一个非常合理的价格。
Resolve Studio 大约300美元，这简直是不二之选。实际上 Resolve Studio 现在打折到250美元左右。Blackmagic 正在搞促销。是的，这是给视频极客的圣诞礼物。一次性费用250美元，Resolve 确实很划算。无论如何，Quarter Key 也是非常好的交易，而且这些人做得对。
他们是为艺术家构建的，并考虑到专业 VFX 工作流。我还看到其他一些 VFX 艺术家使用这个走廊键（注：此处应为 Quarter Key，字幕识别错误），并对此发表评论。大多数评论都非常积极：“哦是的，这好多了。”
尤其是动态、疯狂的头发 stuff。皮肤高光和溢色问题我觉得他们也处理得很好。我们主要关注绿幕，它也适用于蓝幕。我猜 Quarter Key 3.0 会知道如何处理灰屏或无屏幕情况。
你真的很喜欢灰幕，Joey。那是你的颜色。你应该每天都穿灰色衬衫。每个人都以为我只是在我后面放了灰色的背景。灰幕是 AI 混合制作的吉祥物旗帜。我认为你说得对，上面贴一些胶带和标记之类的东西。
是的，需要有一些特征在上面。如果你有灰幕且没有得到最佳效果，选择是有限的。相比之下，你拍摄绿幕或蓝幕时 AI 可以处理它，而且还有 Quarter Key 以及传统的合成方法，有一套系统可以从中提取键控。
以防万一。绝对是的。如果你遇到问题……如果其他 guys，Nico 等人正在看这个视频，请在下一个版本中加入灰幕。我确定灰幕即将到来，或者只是无屏幕情况，就说杂乱的东西吧。
我是说，我确信他们在那里运行 Depth Anything 或某种疯狂的高性能深度模型。这就是为什么他们能得到非常干净的键控，对吧？尽管绿色颜色有变化（深绿、浅绿、无绿），他们仍然能很好地将其抠出。我认为因为他们的深度提取工作得非常好，也许他们在放大深度图然后重新引入？我不确定他们做了什么，但似乎很有效。
另外，如果它没有这样做，或者你有棘手的键控情况（比如照明不完美），我曾让 Claude 处理并对片段进行两遍处理。它有点像在一个部分过度调整设置以处理好头发，然后在另一个部分降低设置以获得更干净的脚部键控。如果代理（AI Agent）非常擅长……
你只需要描述你想做什么并提供视觉素材，它也能梳理出工作流程。我在想他们可能还做了一件事：收集了大量绿幕前和艺术家校正后的绿幕后数据。比如，艺术家会调整肤色、去除溢色以及高光等。如果你有足够的这种前后配对数据——假设有一百小时左右——你就可以对模型进行深度微调，效果会相当不错。我记得在第一版中他提到过这一点。
我认为他们制作了大量合成数据，比如使用MetaHuman生成绿幕背景下的角色，然后将其抠像处理作为训练数据。如果艺术家在去除绿色时融入了自己的艺术风格，这种风格就会保留在数据中并烙印到模型上。这是Awesome带来的另一个重大更新。
接下来聊聊代码吧？我在X平台上看到了一些非常复杂的3D世界，Leon Lynn构建了几个这样的场景。结果发现它们完全是用代码生成的。这就像是一个Blender MCP，你只需输入指令如“画一个指定大小的矩形”？不完全是这样。
整个Blender场景都是用代码渲染的，而不是通过传统建模软件控制。这一切都是基于3JS实现的，也就是在浏览器中用形状、着色器和代码来渲染3D内容。这与控制Blender无关，完全是纯Web端的实时运行。
我对3JS的历史了解不多，但推测过去使用它可能会比较笨拙。然而现在用智能体来操作如此细节的内容变得可行，这真令人惊叹。如果观众中有了解3JS或Web实时渲染技术的人，欢迎补充说明。
我甚至怀疑这里没有传统的顶点和着色器概念？这一切都依赖于3JS的功能。这是提示词，他也非常开放地分享了代码库。他提供了参考图片，模型就地生成了网格和纹理等所有内容。
提示词要求：“基于我附带的九张参考图，在3JS中构建一个超大规模的超高细节3D世界。规则：零外部资产，所有内容必须用代码生成，尽可能匹配参考图的细节。”
太不可思议了。他没有复制粘贴哪怕一棵树的所有内容，而是完全生成参考图后让AI去构建，并附带了代码。从细节视图来看，这似乎需要数小时才能完成。
其质量已经堪比2000年代的视频游戏水平，甚至让人想重制《迷雾》（Mist）。这提醒了我，仅凭九张图片加纯代码就能达到这种程度。较低保真度的版本已经催生了基于浏览器的3D布局编辑器，可用于在线粗略搭建场景、规划镜头并输入视频模型以获取摄像机控制。
但这将细节提升到了新高度，更像是一个有趣的实验。我很好奇这种细节还能进一步扩展到什么程度？我们不必追求照片级真实感，而是可以专注于风格化乐趣，将其作为未来游戏或RPG的游乐场。
我也好奇这能否在浏览器中实时运行？目前看来更像是预渲染生成的镜头，但如果能构建一个可探索的详细世界就好了。而且它是在笔记本GPU（如Radeon 780M）上运行的。想象一下如果在RTX 5090这样的显卡上进行实时构建会怎样？
他还做了另一个场景，是一个高山湖泊。这个没有使用3JS，而是纯Python和GLSL代码（我不确定具体是什么）。哦是的，图形着色语言。它在代码中构建着色器，可以说是传统着色器的数学等效物。
这让我想起2012年左右为了工作必须构建GLSL着色器来模拟毛发的经历。当时显然没有AI辅助，我们不得不聘请一位精通GLSL和数学的博士来编写模拟毛发的代码。因为毛发计算量巨大且依赖几何结构，所以很难实现。
那个GLSL着色器在没有使用任何几何体的情况下模拟了毛发效果，原理非常巧妙。它通过识别摄像机法线和角度，在正确的位置以特定层叠方式放置2D卡片来模拟毛发。随着摄像机视角变化，这些2D卡片会相应移动以维持视觉效果。
当时我们认为这是突破性的技术，甚至考虑申请专利，觉得这简直不可思议（笑声）。而现在这一切已经变得非常普及化，基本上就像云端自动运行一样简单。我想表达的观点是：以前有哪些编码技术或解决方案虽然有效但实施起来极其繁琐？
尽管基础代码已经存在，但现在智能体能解锁什么可能性呢？这将带来怎样的突破？没错。这里补充一点细微差别：这里面没有任何生成式内容，比如扩散模型、视频或图像生成。
这纯粹是LLM在进行编码，其能力远超普通人的水平，至少在媒体娱乐领域是这样。就像那些复杂的《我的世界》作品一样，有人花了两万小时建造了一个功能齐全的发条机械钟。
虽然肯定有人能花费大量时间用代码构建出类似“假雅典”的场景，但……
事实是，你知道的，这非常不切实际。但现在能做到这一点以及它所带来的可能性将会很有趣。“我简直惊呆了。”“而我最不可避免的问题就是，现在我们该拿它怎么办？”
不过我想展示的一件事是，他发布了很多数据，这也很不错。但那个Alpine模型，也就是刚才提到的……
你谈到的另一件事是API成本，总成本大约是略低于3000美元。“哦，天哪。”“而且这不便宜。”
所以这不是……他是用Claude工作的。我的意思是，显然一旦东西被提炼出来，新的东西出现后成本会降低，那就更便宜了。“是的。我在想这3000美元是从哪里来的。”
是储蓄账户里的钱，还是像工作收入？你知道的，因为那是一笔大数目。“或者我不知道他是否计算了这一点，因为显然所有订阅都是补贴的。所以我不确定，因为它说的是按API价格计算的成本。”
我猜这是“让我用我的套餐”。但如果没有套餐，需要作为企业运行这个，那么通过API购买相当于多少成本？我猜你用了像Max套餐这样的计划。
“是的，”因为Max套餐能获得的额度与实际API成本相比，是被严重补贴的。“一般来说，API成本的上涨速度比通货膨胀更快吗？你知道这个吗？”
“我不知道。我在想，比如2025年100小时的Claude使用时间是否比同模型在2026年的100小时更便宜。”
“如果你现在和以前使用相同的模型，我的意思是每次有新模型时，旧模型就会被弃用，然后通常会更便宜。”“好的。所以它们……好吧。也许如果你试图运行或者只是生命周期结束？”
“是的。”所以说，比如Opus 4.8在2025年100小时大概是100美元，假设是这样。对吧？那么Opus 5.5的100小时会是100美元吗？
“呃，等等。对不起，再说一遍。”Opus 4.8是100美元吗？5.5会是同样的价格吗？”“是的。”
“怀疑。我认为它们大致……我想 whatever 等效模型，我觉得价格基本保持不变，但我不百分之百确定。”
“我最近看到一篇新闻文章说，许多公司现在正在削减AI支出，因为事情已经变得完全失控了。”
“是的。你直接购买这些API成本，而且AI的API成本与找人来做相比并没有节省太多。”“是的。很有趣。这一切都在实时上演。”
好的，模型更新。Clink 4。“抱歉，我太激动了。（笑声）”“Clings很棒。”是的，“Cling 3很厉害，然后……”
有点安静了。Kansai 2出来了，某种程度上抢了不少风头，但现在4号版本发布了。“是的。”
而且花了一段时间。我记得当我们去年年底做Cling 03测试时，我记得你以前做过AI综述，给我戴上牛仔帽之类的，那看起来还行吧。对于当时的视频转视频模型来说，那是我认为第一个专门针对视频转视频构建的模型之一。
我想说它是那种……是的，多模态输入类型的。“因为那是它，然后1.2.2 Animate也是那种类型，然后是Google Omni，接着是C Dance 2.5，现在他们又回来了。”
“现在他们回来了。所以4号版本……”我的意思是说实话，在分辨率方面赶上C Dance 2 parody有点追赶的感觉。我认为这些还没有全部发布，或者至少在秋季API上没有，但它能够处理高达4K的输出。
它还将支持最高4K 10位HDR输出。“这很有趣。”“是的。”“好的。”
还有，看那个宽高比21:9的电影级画幅。“这很难做到。”双声道立体声输出。我有点好奇那是否解锁了什么，或者这意味着什么。“这个已经有了Netflix就绪认证（笑声），也就是Netflix批准。”
在输入方面，你会看到类似Kansai的内容。10张图像输入，视频输入最多5个视频，总时长最长30秒，我认为这与Kansai接受的差不多。音频输入，你可以提供声音参考……
所以用于角色说话？你知道的，我很想看看。因为Cling也有一个单独的特定模型Motion Transfer，专门设计用于接收人类表演输入并将其映射到AI角色上。但它……
我想你现在可以用这些模型做类似的事情。但我觉得那个模型之所以好，是因为它只做这一件事，而且做得非常好。我在想他们是否会做另一个版本的模型，或者将这个功能整合到这个版本中？
“它现在在Foul上发布了吗？”Cling 4。“Cling 4发布了。”“我在这段录音结束后立即测试。”
我还要说，我们在比较时……它肯定在功能上与Seed Dance相当。但主要的是定价，而且便宜得多。“太疯狂了。”
好的，让我们看看。所以你在看……“这是720p音频每秒的成本，这是在Foul上显示的。”而且Foul的Kansai费率与其他地方相比相当高，但这只是一个很好的基准。
Cling 4.0大约每秒15美分（15秒），而Kansai 2.0大约是30美分，Canshi 2.5是47美分。是的，我的意思是看总数……你以一半的价格获得30秒的1080p视频，而你知道……
所以这实际上是Cense 2.5成本的四分之一。“不，这一列是最大值。这只是最大分辨率的最大设置。”
“哦，我在看10秒的那一列。”所以如果你看……”“哦，10好的。是的，10秒那一列是10秒时的成本。”
所以Cling 4大约50美分（对于10秒钟）……然后它是Kanshi 2的一半，而且大约是C Dance 2.5的三分之一。“CS 2.5的三分之一。”
“他们是怎么做到的？我的意思是他们在亏本吗？你认为呢，还是只是一个更好的模型？”或者我不知道。是的。“他们只是想办法用更少的计算量或成本获得质量吗？”
“你看到了吗？是华为吗？Huawei现在正在构建 rival Nvidia GPU的数据中心级GPU，神经处理单元。是的。”所以他们真的是为了进入数据中心而设计的……
“好的。”显然，对于一家中国AI公司来说，购买华为GPU并将其放入中国的数据中心比购买Nvidia GPU并尝试在其他地方使用推理要便宜得多。所以可能有什么事情正在发生……
……我们并不知情，相信以后我们会了解到的。>> 是的。而且确实如此，他们怎么能以这样的价格提供这种质量呢？我只希望为了地球好，我们能迎来更先进、更高效模型。毕竟我们不能让一个视频生成占用五块显卡十分钟之类，这对单个视频来说算力消耗太大了。所以我希望效率和各项优化能尽快到来。我认为这会发生，因为回到你关于AI成本的评论，以及公司削减或回归理性看待AI成本的情况。同时，AI公司也需要找到真正让这一切变得合理的方法——[清嗓子] 太贵了。我是说，我现在觉得一切……
为了达到最先进水平（SOTA），成本都很高，需要大量算力。但每次有新模型发布时，之前那些曾是顶级基准的旧模型虽然被取代了，却依然非常强大。随着新东西不断推出，它们的价格会越来越低。那么那些原本较便宜的模型呢？比如 Opus 5.5，也许一年后就……
甚至会被淘汰，因为虽然它不再包含那么多新功能，但它依然很好。一旦他们弄清楚如何让它更高效，Opus 5.5 最终也会变得更便宜。>> 是的，我几乎……我差不多把它看作汽车进化的方式。至少从60年代开始，高性能车——那些疯狂的 V8 和 V12 发动机……
非常耗油。所以从经济角度来看，拥有它们并不划算。而现在这些引擎能每加仑跑20到30英里了，所以每个人的车里都有 V8 或大引擎。我认为现在的 AI 模型资源消耗很大，因为它们是新事物，但我相信随着时间的推移，这个问题有望自行解决。这是一个经济问题……
所以如果 AI 要持续存在下去，它必须得到解决。>> 是的。我在看他们网站上发布的一些样本片段。老实说，这些并不是最好的例子。感觉仍然很……>> 合成感很强。是的，规模还没到那一步。而且 >> 我知道你是通过流媒体观看的……
所以你可能看不到我看到的最佳画质。特写看起来不错，AI 生成的特写真的很好。它在细节处理和近景拍摄方面表现出色。镜头拉远时，问题往往就出现了。>> 我是说，每次我看到合成人类的脸部，我总是想：天哪，我们在 Unreal Engine 和 Metahumans 上从未做到这一点。尽管我们努力尝试……
我们还是深陷恐怖谷效应中。>> 但 AI 正变得如此接近完全真实。 >> 是的，而且看起来我们观看的这个15秒片段……有点像动作场面，是一个长镜头（One-shot），这 >> 令人印象深刻。>> 呃，我是说……我认为最大的问题是它可能与 Cance 2 ……
持平。>> 是的， >> 便宜得多。>> 好的，既然今天发布了，我们做个测试吧？好吧，我会用 FAL ……
以及 Cance 跑几个……嗯，这个看起来像 Hex 的，但并不是。>> 哦，我喜欢手持镜头感，这是个不错的细节。噢，很好。 >> 实际上这个更好，因为我注意到 Cling 3 ……
很多时候手持镜头和摇摄会有非常奇怪的合成运动模糊，而这个摇摄肯定感觉……更像是自然的运动模糊。是的。Cling ……
总是有这种奇怪的 >> 我实际上在你之前展示的箭头例子中也注意到了这一点。箭头的运动模糊看起来相当不错。是的。 >> 是的，即使在……这里的通话中也体现出来了。我还想提另一件事，你听说过 NCM 或新架构模型吗？ >> 没有。那是什么？>> 好的，你可以去搜一下。所以……
记得我常提到的 Yan Lun ……
以及 Jeppa，这是一种新型架构，不是 LLM。 >> 是的……新概念建模（Next Concept Modeling）。>> 新概念建模，没错。所以这是另一种正在出现的架构类型……
据说效率要高得多。所以你看到那些数据，生成文本速度快10到31倍……
训练所需的 token 少4到5倍。所以不仅……
训练更便宜，推理成本也更低。>> 它不是大型语言模型。它是使用层……
我不知道那是什么意思，但这是一种即将到来的技术，希望它能缓解 AI 资源密集的问题。>> 好的，酷。去看看吧。但这是否意味着……
我们说过它不是 LLM，但这是更多关于训练还是构建语言模型？ >> 它是……它是一种语言模型。只是不像那样——它不是 Transformer ……
因为 LLM 就是那样的。所以这是一种新型架构。是的。 >> 好的，酷。有趣。Avoc ……
有趣的是……就像我们看到 Jev ……
是一种不同类型的模型一样。>> 是的，我稍微深入挖掘了一下 Jev ……
我能看到其在大规模应用中的用处。比如如果你有一百个或一千个 Jev 协同工作……
你可以围绕它构建非常复杂的逻辑，因为它是一个简单的门控机制。所以就像 >> 如果你看一张 Joey ……
的照片，Jeb 会说：那是成年男性，通过；那不是儿童，不通过。所以它只会做非常基础的事情……
不会像 VLM ……
或 LLM 那样复杂。 >> 不，不是那样的。但它的优势在于速度和成本。它极快且极其便宜。 >> 所以那种……如果你给 ChatB ……
一张照片问“这是什么”，它会消耗大量 token 来弄清楚。 >> 是的。>> 是的。>> 所以，我认为它在物联网……
以及不需要高处理能力的场景中将非常有用。 >> Mhm（嗯）。但也适用于模糊的非结构化数据。>> 是的。>> 就像……
这不是传统编码容易处理的简单通过/失败问题。 >> 确切地说。>> 好的，其他新更新。快速回顾一下。Ideog ……
有了他们的第一个矢量模型（Vector Model）。>> 哦，不错。终于有矢量模型了。哇。 >> 是的。实际上我以为他们之前就有……
但看来没有。>> 是的，不，我想以前你可以从像素空间转换到矢量空间作为……一种转换。所以……
你仍然是在像素空间中生成，但这看起来是原生矢量模型。所以它直接在矢量中生成。>> 那太好了。是的，我一直专注于……
图形设计 >> 图形方面。是的，当然。>> 嗯，所以……好的更新。当我试图……
一年前我曾折腾过这类东西，当时大家都在要求向量模型。我们确实实现了一些像素到矢量的转换效果，但结果非常糟糕，根本不可用。希望这次能解决这个问题。另一个更新文件包含一个经过后训练的自定义模型版本，他们基于 Flux 3 进行了后续训练以提升质量，我相信同时也提升了速度。于是他们得到了 Flux 3 Max。
是的，Flux 3 视频模型对吧？没错，就是那个 Flux 3 视频模型。其实 Flux 3 的表现并不差。这是经过后训练的模型，在他们的速度图表中显示，原版 Flux 3 生成大约需要两分钟，而他们的版本只需十秒。哇，这是巨大的飞跃啊！确实很快。
根据排名显示，质量也更高了。嗯……这真的很有趣，File 一直在做这样的事：获取这些模型并在此基础上制作自己的自定义版本。这确实很聪明，能让他们拥有独特的优势。看看这个腋下的污渍处理得不错，这是个贴心的细节。
我有问题想问：如果 File 版的 Flux 3 在速度和质量上都优于原版，为什么还有人会使用原版的 Flux？你可以下载开源权重的 Flux 并在自己的硬件上运行。我想他们可能也做了类似的事情，只是猜测这里涉及一些许可协议的问题。
比如如果你通过 File 平台运行，Black Forest Labs 可能会从中抽成。因为虽然你可以下载权重文件，但他们的许可条款通常类似于 LTX 模型：如果你生成的量在一定范围内可以免费使用；如果超过一定规模，就需要联系他们讨论许可事宜。我猜 Flux 也是类似的机制，虽然我不确定，但我认为 Black Forest Labs 应该会获得分成。
他们凭借开创性的模型表现确实不错。这是一个非常优秀的 AI 工作室，团队虽小但产品质量超出预期。百分之百同意，他们确实是用小团队做出了大成绩。
最后一个话题，感谢 Bite Plus 在录制前发布这个信息：Cance 2.5 的 4K 版本正在推出。这就像是现在的“劳斯莱斯”级别的产品，刚刚发布，大家都惊呼：“天哪。”
生成一次需要支付“劳斯莱斯”级别的昂贵费用。目前还没有公布具体定价，但 1080p 版本在 File 上生成十到十五秒的视频大约需要七美元。那么 4K 版本的价格大概是四倍，也就是二十到三十美元一次生成。
我们真正需要的是能在 720p 下高效工作的更好管道流程，然后当你确认效果满意时再将其放大。是的，但不是作为新的生成过程将所有细节锁定，而是通过其他方式实现。我下次可以演示这个工作流，我们发现了一种相当不错的方法：使用深度图。
如果你有原始素材，可以将其转换为深度图，然后将该深度图加上你的原始参考图像输入到 4K 输出中。根据镜头不同，你会得到相当一致且高质量的 4K 结果，同时看起来仍然像你的原始片段。
所以这个 4K 是基于 720p 的深度图进行条件生成的吗？我的问题是，你是如何实现种子锁定从而获得完全相同的结果的？我试过这些模型，也许通过调整种子会有所改善。但我尝试过：如果在 720p 下运行一个种子，然后在 4K 上使用完全相同的种子和输入……
结果仍然不同。是的，因为对于每一个 720p 像素，模型需要填充八个或十个甚至更多的 4K 像素。所以这对它来说本质上是一个不同的问题，需要解决的内容完全不同。
确实如此。这意味着超分辨率放大算法作为后期处理步骤是有意义的，对吧？你先在 720p 下完成所有工作以获得正确的内容，然后再决定进行放大。但为什么还要用 Cance 2.5 的 4K 功能来随意尝试呢？那成本非常高昂，是非常昂贵的实验。
我在网上看到有些人坚持一种工作流：严格在 720p 下工作和生成，然后使用 Topaz 或其他超分辨率模型来完成最终效果。我认为这确实有优势。但这取决于镜头，AI 最薄弱的环节仍然是包含大量细节的广角镜头。
如果你在 720p 下生成一个有很多细节的镜头，画面会被缩小变小。然后当你进行超分辨率放大时，算法并不一定知道那些细节原本是什么样子，有时你根本无法获得清晰的细节。因此我认为纯粹生成 4K 的最佳用例是那些非常详细的镜头，比如人群、有很多线条的建筑等容易变得嘈杂和混乱的内容。
就像如果你有一个 1970年代纽约市的广角定场镜头，街上有很多行人走过，出租车穿梭其中……那些背景里的人身上的像素点。没错。如果你在 720p 下生成然后尝试放大，它并不总是知道那些像素应该是什么样子。
如果你纯粹提供 4K 的参考输入图像，并且所有输入都是 4K，然后输出也是 4K……我认为你会得到比单纯放大更好的结果。不，你绝对是在进行超分辨率处理。我不认为纯粹在 4K 下生成有任何好处，除非……
是的，所以就像你只在需要时才拉动这个杠杆一样。把它作为备用方案放在口袋里是很好的选择。确实如此，这也有一点像是在炫耀实力：“看我们，我们有 4K。”“你有 4K 吗？我们有！”
我们会给你整个数据中心来渲染你的片段，因为生成 Cance 2.5 的 4K 视频需要巨大的算力。好吧，无论如何这都是进步，让我们看看它会发展到什么程度。我们会拭目以待的。
感谢大家收听我们在 dinoispodcast.com 上讨论的所有内容。如果有任何不正确之处，那只是我们的个人观点，但我们非常希望在 YouTube 评论区听到你们的意见。请在评论中联系我们。
在整个节目中我们提出了一些问题，所以如果你在这方面是专家，我们希望听到你的声音并受到教育。是的，如果你是 Three.js 方面的专家，请在评论中告诉我们你的看法。（笑声）好了，谢谢大家，我们下期再见。