近期，AI视频生成领域再度迎来一位新锐选手——名为Hotshot的创新工具正式亮相。根据官方公布的样片，其输出效果令人眼前一亮，展现出强劲的竞争力。

简单来说，Hotshot支持直接依据文本描述，快速生成最长10秒、分辨率达720p的视频，且风格极为灵活——可呈现漫画书式的夸张动画，也能展现转描风格的动态影像。其核心亮点主要包括：

• 文本转视频生成：输入文字后，即可迅速产出10秒720p视频，流程直接高效。
• 无水印输出：免费用户生成的视频不含任何水印，赋予创作者更大的使用自由度。
• 风格多样性：从漫画风格到动态影像，Hotshot能适配不同创作需求，并非局限于单一画风。
• 扩展潜力：模型架构具备向更长时长、更高分辨率延伸的能力，未来甚至可能集成音频生成功能。
• 技术实力扎实：模型基于6亿个视频片段训练，并动用大量GPU资源，保障了生成效率。

目前，Hotshot已进入公开的“早期预览”阶段，所有用户均可前往其官网免费体验。不过需注意：每日仅能生成两个视频，但生成结果依然不携带水印。

Hotshot幕后团队：四个月完成模型训练

这家初创公司成立于2023年，由Aakash Sastry、John Mullan与Duncan Crawbuck联合创办。Sastry在社交平台上表示：“过去十年里，首次有机会为客户构建功能强大且新颖的视频应用。”在他们看来，这个新模型正是实现这一愿景的基石——这仅仅是开始，未来还有更多惊喜值得期待。

在此之前，Hotshot曾凭借一款免费的AI照片创建与编辑应用走红，如今团队已将重心转向文本转视频赛道。据Sastry透露，整个模型训练仅耗时四个月，背后动用了数千个GPU，并处理了6亿个视频片段。训练过程中面临的技术挑战可想而知——光是机器故障就令人头疼不已。

为确保训练顺利进行，团队成员几乎全天候紧盯着监控屏幕。Sastry还提到，他们正在探索更长时长与更高分辨率的视频，未来不排除加入音频元素。他判断：AI生成内容有望在未来12个月内成为数字媒体的主流，尤其在YouTube视频制作领域——创作者将能完全掌控从文本到视频再到音频的完整生成流程。