注意看，这个机器人对抗人类的视频，在网上彻底火了。
那叫一个拳拳到肉，刺激程度引得围观群众大呼鹅妹子嘤。
好消息是，这个机器人并非真实存在。
但另一个不知道是好还是坏的消息是，这样的特效，是AI一键合成的。
就是说，从左边这样的人类实拍，到右边这样的特效画面，人类需要做的，只是用鼠标把模型拖到画面里。
这个AI神器，名叫Wonder Studio AI。
刚发宣传片时，就曾引发wo cao声一片。
现在内测名额开始发放，网友们上手一玩，更是停不下来，直接在社交媒体上刷了屏。
比如随手来一段比波士顿动力还动感流畅的男团热舞。
或者在自个儿屋里来段freestyle。
↑↑↑这个作品的作者还透露，这是一个原本需要三天完成的视觉特效镜头，现在只需要1分钟。
也难怪网友们坐不住了。
无需动捕设备，一键生成CG动画
有关Wonder Studio，官方的说法是，“一种可自动为CG角色制作动画、打光，并将其合成到真实场景中的AI工具”。
按照官网说明，对于用户来说，在CG动画制作阶段，你不再需要复杂的3D软件，也不需要昂贵的动捕硬件。
只需一台用来拍摄的相机，拍好视频后丢进Wonder Studio处理，就足以以假乱真。
具体步骤是这样的：
首先用相机拍摄一段视频，视频中，真人演员可以随意做出任何动作；
将MP4或MOV等格式的视频导入Wonder Studio，并选定需要处理的视频段落，拖入中间区域等待处理；
点击菜单栏的next按钮，AI开始识别和分析视频中的人物；
选中右侧选项栏中所需要的CG模型，拖拽至需要替换的人物区域；
这时候会跳出一个小框，能够根据需要调整HDR打光、画质清晰度、视频格式等。
最后，选择解算生成，就能完成视频段落中CG模型对真人演员的替换。
对于专业人士来说，除了最终成品，Wonder Studio还能导出新视频的不同轨道，包括动作捕捉、摄像机跟踪和空镜等等。
面对需要修改的细节，也可以直接上手微调。
传统的CG制作流程，需要移除原有人物、把需要替换的CG元素导入引擎或Blender等软件当中、根据相机解算结果进行合成、匹配灯光、渲染……最终把新的CG模型放到视频场景中。
比较而言，用上Wonder Studio后简化了很多工序，也难怪很多人评论，如果这个工作流跑通，是十分利好小成本影视制作的。
不过，Wonder Studio并非十全十美。
主要体现在CG模型覆盖原人物后，CG角色和背景衔接处处理不算优秀。
比如会出现美颜瘦脸特效开太大，以至于脸部周围背景扭曲的情况：
而且，CG模型的边缘像素会被拉伸，原人物的衣物等不能做到100%消除和被覆盖：
开头展示的爆火视频中，其实也有不少穿帮镜头。
所以，虽然效果强大操作简单，目前而言，Wonder Studio还是不能单独放到实际项目中使用，否则一眼惊艳，再看露馅。
但其展示的潜能，已经得到内测网友的盖章肯定。
有内测网友反馈，在他的几次测试中，Wonder Studio能够自动化80%的视觉特效工作。
它仍存在一些困难的领域，但它提供的价值主张是，只需要付出很少的努力就能做出相当不错的东西。
而且这只是开始！它还会变得更好！
《头号玩家》男主创业项目
有意思的不止是产品，Wonder Studio背后的公司，也颇有故事。
它的出品方是一家名叫Wonder Dynamics的AI初创公司，致力于通过AI提高电影制作的效率和质量。
截至目前，公司在种子轮和A轮一共募集了1150万美元融资。
Wonder Studio是他们筹备3年后，推出的一款基于AI的在线视频特效处理平台。
公司已经表示，Wonder Studio后续还将继续简化动作捕捉和渲染环节，继续提高制作效率。而且在公司的设想中，创作者在将来还能在系统自由上传自己的3D模型。
再来看公司创始团队，不少人是熟面孔。
比如世界闻名的导演斯皮尔伯格，就是这家公司的顾问。
而公司创始人之一，是《头号玩家》男主演泰尔·谢里丹。
（不知道是说男主“干一行爱一行”好呢，还是说他“积极致力于用AI抢自己饭碗”好，
）
还有消息称，美国导演组合罗素兄弟正在拍摄的一部电影中，Wonder Studio已经参与了部分制作环节。电影主角是《怪奇物语》主演Millie Bobby Brown和《银河护卫队》中星爵的扮演者Chris Pratt，电影将上线Netflix。
期待电影之前，更值得关注的一点是，最近这段时间，AI力量对视觉领域疯狂下手了。
这就不得不提到近日在科技圈疯狂刷屏的Meta大杀器，Segment Anything Model （SAM）。
该模型惊艳世人的能力，就是能够识别和分离图像及视频中的特定对象。使用SAM，用户可以通过单击或输入文字，来选中需要编辑的任何物体。
Meta在介绍SAM时写道：
SAM 已经学会了关于物体的一般概念，并且，它还可以为任何图像，或视频中的任何物体生成msak，包括训练集中不包含的类型。
SAM足够通用，且在新的图像领域无需额外训练，达到即开即用。
这种零样本迁移的能力，正是GPT-4能力惊人的重要原因之一。因此，国内外不少媒体称SAM的发布为CV领域的ChatGPT时刻。
目前，SAM已经开源，并进一步提供了其10亿掩码数据集的完整细节，
Meta官方的说法是，随着技术发展，SAM可以成为AR、VR等更通用系统的强大组件。
联想到今天介绍的Wonder Studio，接入SAM能力后，对原有人类图像的分割，是不是就不再会出现裙角被遗漏的情况了？
