汗青：从个体真实迈入交互真实，Hailuo 02给AI视频带来了新可能性。

汗青：从个体真实迈入交互真实，Hailuo 02给AI视频带来了新可能性。 汗青：从个体真实迈入交互真实，Hailuo 02给AI视频带来了新可能性。 Modified July 11, 2025 No access 624 1 00:00 No access 624 2 00:00 No access 624 3 00:00 No access 624 4 00:00 No access 624 5 00:00 简单来说，你输入一个地点，它会根据这个地点生成一个介绍的木刻风格动画片。 然而在这个模版里，如果我不输入一个地点，而是输入一个主题，它也会给你生成一个小故事。比如输入“设计的历史”，它就围绕着这个话题生成了木刻风格的动画。知识类起号太舒服了。 No access 624 10 00:00 以下则详细记录了思考过程。可以看到，海螺Agent的模板潜力实际上很大，官方给出的建议仅仅是最佳示范。按我的理解，完全可以在模板上进行各种创意的尝试，达到1+1大于2的效果。 这也是为什么我说，这样的Agent模式，最终的理想效果是让创作者集中精力去想创意，其他的尽可能交给技术来封装。 我仔细想了想， 为什么 之前的一些视频Agent让我感到实用性不够。可能一个很重要的原因是完成度。而海螺Agent依靠自己的模型能力，在呈现上的质量很高。 适合谁 虽然不知道是不是有意为之，但Hailuo 02和海螺Agent目前恰好形成了在 用户群上的互补 ： • Hailuo 02：适合对生成结果有极致要求的专业影视用户 • 海螺视频Agent：适合有复制爆款需求的用户，及有广告诉求的商家。 一个是具备顶级物理模拟的视频模型， 一个是具备思考能力的视频智能体， MiniMax两个产品相继成为近期市场上的亮点，也是一波集中发力。 而如果我们多想一步，二者在底层的逻辑上是有诸多关联的：毕竟Hailuo 02体现出的模型能力，本就是海螺Agent生成效果的技术保证。而官方也一再强调：Agent目前的形态只是当前一个阶段，远非完全体。我甚至猜测有相当的可能性，二者将会进行不同层面的融合。 最后还是想再感慨一下模型的发展速度：仅仅几个月过去，我们从纠结生成几秒动画的状态，已经发展到关注Hailuo 02这样尝试模拟真实互动的模型了。 我们离真实又近了一步，而且越来越快。 体验地址： https://hailuoai.video/ 我是汗青，AI.TALK创始人，一个6岁开始学美术的AI创作者，也是厮混互联网圈16年的产品经理。我在这里分享对AI技术与媒介的思考。 我的愿景是寻找新技术与媒介艺术的结合方式。如果你同样对这个话题感兴趣，欢迎关注我的公众号和视频作品。 • 商务合作：aitalkgina • 频道视频号：AI.TALK • 个人视频号：汗青HQ 🔗 原文链接： https://mp.weixin.qq.com/s/mbNQblNa... 原创 汗青 AI Talk 汗青 AITalk2025年06月24日 11:46 日本 https://mp.weixin.qq.com/s/mbNQblNa... No access 624 1 00:00 No access 624 1 00:00 No access 624 2 00:00 No access 624 2 00:00 No access 624 3 00:00 No access 624 3 00:00 No access 624 4 00:00 No access 624 4 00:00 No access 624 5 00:00 No access 624 5 00:00 简单来说，你输入一个地点，它会根据这个地点生成一个介绍的木刻风格动画片。 然而在这个模版里，如果我不输入一个地点，而是输入一个主题，它也会给你生成一个小故事。比如输入“设计的历史”，它就围绕着这个话题生成了木刻风格的动画。知识类起号太舒服了。 No access 624 10 00:00 No access 624 10 00:00 以下则详细记录了思考过程。可以看到，海螺Agent的模板潜力实际上很大，官方给出的建议仅仅是最佳示范。按我的理解，完全可以在模板上进行各种创意的尝试，达到1+1大于2的效果。 这也是为什么我说，这样的Agent模式，最终的理想效果是让创作者集中精力去想创意，其他的尽可能交给技术来封装。 我仔细想了想， 为什么 之前的一些视频Agent让我感到实用性不够。可能一个很重要的原因是完成度。而海螺Agent依靠自己的模型能力，在呈现上的质量很高。 适合谁 虽然不知道是不是有意为之，但Hailuo 02和海螺Agent目前恰好形成了在 用户群上的互补 ： • Hailuo 02：适合对生成结果有极致要求的专业影视用户 • 海螺视频Agent：适合有复制爆款需求的用户，及有广告诉求的商家。 一个是具备顶级物理模拟的视频模型， 一个是具备思考能力的视频智能体， MiniMax两个产品相继成为近期市场上的亮点，也是一波集中发力。 而如果我们多想一步，二者在底层的逻辑上是有诸多关联的：毕竟Hailuo 02体现出的模型能力，本就是海螺Agent生成效果的技术保证。而官方也一再强调：Agent目前的形态只是当前一个阶段，远非完全体。我甚至猜测有相当的可能性，二者将会进行不同层面的融合。 最后还是想再感慨一下模型的发展速度：仅仅几个月过去，我们从纠结生成几秒动画的状态，已经发展到关注Hailuo 02这样尝试模拟真实互动的模型了。 我们离真实又近了一步，而且越来越快。 体验地址： https://hailuoai.video/ 我是汗青，AI.TALK创始人，一个6岁开始学美术的AI创作者，也是厮混互联网圈16年的产品经理。我在这里分享对AI技术与媒介的思考。 我的愿景是寻找新技术与媒介艺术的结合方式。如果你同样对这个话题感兴趣，欢迎关注我的公众号和视频作品。 • 商务合作：aitalkgina • 频道视频号：AI.TALK • 个人视频号：汗青HQ 🔗 原文链接： https://mp.weixin.qq.com/s/mbNQblNa... https://mp.weixin.qq.com/s/mbNQblNa... 原创 汗青 AI Talk 汗青 AITalk2025年06月24日 11:46 日本 MiniMax前几天发布了Hailuo 02视频模型。 测试下来，我感觉到AI视频模型正在 从“个体真实”进入“交互真实”的阶段 。 相信关注AI影像的朋友，前两天已经刷到过这个视频了。在这个演示中，Hailuo 02模型展现出了惊人的效果。说实话我第一眼看到几个杂技的动作场面也有点惊呆了。 因为其中呈现的诸如后空翻等物理模仿效果，几乎是之前AI模型领域的最大难题。所以我对宣传片其实是有点怀疑的，直到自己试了试。 实践出真知，先看几个典型的测试片段： 极致物理模仿 首先我迫不及待的还原了演示中的空翻效果，为了避免抽卡的概率问题，我们连开6次，选出表现最好的3个。 舞者做出空翻的动作 效果和成功率好到离谱。事实上，在6次抽卡中的5个结果都相当靠谱，只有一个跑飞了。要知道后空翻这种动作一直是ai动画的老大难。即便偶尔能勉强模拟出来，也会在速度、节奏上需要大量的后期。 但本次测试我并不想把重点放在动作幅度和难度上，所以接下来我们看一个极具代表性的例子： 拳击手的快速挥拳击打沙袋。 这可能是整个测试中我觉得最惊艳的片段之一。 注意，在这个测试中我们要关注 两个点 ： 一是拳击手本身的姿态和节奏。 二是被打击的拳袋本身的物理反馈，以及二者的互动结合。 这里涉及到一个常见的 误区： 所谓物理模仿，不仅是指单一主体的动作幅度有多大（虽然这样的测试往往更吸引人眼球）， 而是要看不同主体之间发生的交互关系。 所以在这个片段中，人物的拳击动作固然很完美，更可怕的是沙袋的摇摆，以及每一次被击中时合理的摆动和幅度。 这一点也是这篇文章的重点，我们稍后说。先继续看看其他的物理表现。 被击中的台球准确的碰撞另一颗 完成的已经相当好了，红球撞击白球后的碰撞效果和轨迹相当自然，甚至有在台桌上的二次碰撞。 再看下这个用力捏橙子的效果，发力时手指和橘皮互相挤压的交互，以及皮开肉绽后，橘子的汁水溢出的效果，都很完美。 各位可能发现了，除了最开始的空翻，我所有的测试都安排了2个以上的主体，而非只测试一个人或物的动作有多完美。 这也许是Hailuo 02给我的最大震撼：随着视频模型的不断进化，我们不应再仅关注一个主体能完成多复杂的动作，而是要逐渐关注多个主体互相之间，以及和环境之间的互动关系。 个人认为，这才是目前AI影像急需解决的。 从个体真实到交互真实 一直以来，我都习惯关注类似这样的场景： 嗯，这张图很帅。主人公能喝咖啡吗？能哭吗？能笑吗？能不能用一个超帅的运镜来个环绕？如果能有个10秒的长镜头，就太好了。 然而，真实的世界远不止如此。还记得Sora刚问世的时候，大家都在谈世界模型。而 在一个真实的世界中， 环境和人是有交互的。 其实在Hailuo 02的预告片中，杂技等动作之所以引起那么大的关注和反响，一个是因为动作的难度高，另外一个很重要的原因是：人物和其他物体在进行真实的交互（球体、火圈、杂技道具等）。 在过去一段时间里，无论是运动幅度、真实感、镜头长度、一致性等等，视频模型的进化重点更多的集中在“单一主体” 上， 可以称之为“主体真实” 。 所以我们少见表现环境互动的内容。这是AI影视不够“逼真”的一个重要原因。因为真实世界中，主体之间是随时产生交互的，产生结果，产生逻辑的。Gemini给我了一个说法： 从“个体真实”，转向“交互真实。” 因此我特意在测试人和拳袋的交互、台球和台球的交互、手指和橘子的交互，多主体是这篇测试的主旨。而 之所以有这个想法，是因为在测试Hailuo 02的过程中，我隐约觉得：目前的模型能力下，个体的动作真实已经愈发完善了。我们需要关注的是视频模型能否提供一个真正存在物理交互的世界。 也许是个新阶段。 看下面这个Hailuo 02完成的案例。 男人双手举起瓷瓶，狠狠的摔碎在地上 No access 624 6 00:00 No access 624 6 00:00 这组视频无任何修饰，完全直出。无论在视觉审美和物理关系上都非常惊艳，人物的动态和节奏，把瓷瓶拿起时的重量感，扔下之后的爆发力和物理碰撞、破碎。不能说已经完美，但确实接近了某种以假乱真。 而产生互动的前提是，你需要有好的物理反馈，要让因和果形成自洽。这其实非常难，但Hailuo 02在视频生成中已经开始体现这种能力的觉醒。 这组镜头我大概开了6次。其余5次虽然不如选出做代表的效果好，但基本未出现那种离谱的错误。整体在使用Hailuo 02时，我的感受是它把生成结果控制在非常稳定的状态中，几乎没出现那种啼笑皆非的错误。 这也侧面证明了Hailuo 02的语义遵循能力非常好，开卡率相当高。但这篇文章我就不展开说他的语义能力了，这些测试案例实际上都是一种佐证，因为事实上我并没有开太多卡。 现在请看下面两段叠叠乐坍塌的测试视频： No access 624 7 00:00 No access 624 7 00:00 当支撑组件从中抽出后，堆积体开始出现倾倒的逐步的坍塌。如果自己观察每一块积木的动态，你发现它们几乎都是独立、合理的在运动。 这可能是我在Hailuo 02中看见的最大意义： 主体和环境开始有了互动的冲动，也有了互动的资本。 注意，坍塌的部分精确的复合了抽出支撑体的垂直位置，下方的积木是没有倒的。你可能认为这些都是小细节，但那句话怎么说的来着： 魔鬼在细节中。 接下来我们看两个主体的互动性，大家喜闻乐见的武打场面。 两个老者在雪地中比武 这段动画的清晰度，动作幅度，以及拳拳到肉的效果，还有运镜都很好。只针对这个武术场面来说，也许是目前视频模型中完成度最好的。 两个人物之间的张力开始出现，高速运动中的拳头并没有出现太多模糊的情况。 No access 624 8 00:00 No access 624 8 00:00 创作者综上，Hailuo 02视频模型提供的物理真实，不仅仅是一个人能完成多高难度的动作，它已经让人依稀看到互动真实的影子。即便目前很多效果还谈不上完美，但已经是一个很好的开始。 而对于专业用户来说，这绝对是让AI影像更接近真实的必经之路。 有趣的是，Minimax在发布一个如此专业的模型之后，紧接着又上线了一个面向轻度创意的产品：视频Agent。似乎在用户群体上形成了一些互补，所以我也简单聊两句这个产品。 为什么需要视频Agent 简单来说，Agent就是具备理解、计划与执行能力的AI代理系统（Agent）。说人话：就是把你的创作意图“翻译”给模型，解决创作者和模型的沟通效率问题。 可以理解为，Agent是一种“封装”。 而 技术的发展路径，很多时候就是“对复杂性的逐步封装” ：从裸机指令到操作系统，从C到Python，从命令行到GUI，从API到Agent。 从个人观点来说，一个合格的视频Agent需要回答两个主要问题： 1. 你能干什么活。 2. 你干得好不好。（完成效率+质量） 直接看效果。 海螺视频Agent并没搞太多花里胡哨的邀请机制，访问 https://hailuoai.video/ 直接就能用 首页下面的瀑布流feed，就是命名为Agent（Beta）的模板库。 由此可见，目前阶段海螺的Agent是基于模板的一种逻辑，可以说是个半开放系统。模板本身就是一种封装，好处是进一步的降低了门槛并确保质量。 这里的模板几乎汇集了目前主流的爆款ai视频格式，可以看出，当前这个产品的主要功能之一就是： 一键复制AI爆款视频。 事实上，社媒上的教程内容有相当一部分都是在拆解AI包括视频格式如何生成的教学。海螺显然认为这个事没必要整得太复杂。 试个小例子，比如我们想做模仿一个特别流行的视频格式，就是名人怀旧游戏时光那个系列。（相信很多人看到过） 选择“Back in times Nostalgia”模板，输入简单的一句话：贝克汉姆。 然后就。。。出来了。 No access 624 9 00:00 No access 624 9 00:00 自带音乐，自带剪辑，人物特征还原到位，画质出色。这些基本功完成的很好，这一点非常重要，因为我再过去不止一次上过当，很多工具看上去很美，用完后有种“被样板间骗了”的感觉，主要是硬实力不够。 另一个优点就是多模态的体验，你不用再去折腾配音了。这种音画同出似乎是无可避免的标配趋势。它是那种没有的时候不会想，一旦用了就放不下的特性，懒人必备。 同时请注意：它甚至还帮我生成了贝克汉姆在曼联92班的队友：吉格斯，斯科尔斯，内维尔。这说明海螺Agent并不仅仅是在执行我的提示词，而是基于此产生了他的思考，进行衍生。 打个比方，这是个能多想一步的员工。多想一步，甚至几步，这是Agent的价值。 而看上去海螺希望尽可能多的覆盖流行格式，所以这个模板的瀑布流更像一个近期的流行AI视频集合广场。 刷爆X的格式，上传一张照片，万物皆可跳水。 还有非常适合小商家做广告的模板。上传服装，模特试衣效果，专门准备了男模特和女模特两款。 让商品出现在任意的背景里，以及微缩景观的创意。非常适合小商家的快速创意。 最后再说一个有意思的点：海螺Agent 其实具备相当的思考能力，或者说直接生产内容的能力，而不仅仅是模仿。 这个模板是一键生成景点的木刻版画故事：