HenryAI-mynd 2025: Árið sem allt breyttist
Frá Sora 2 til innbyggðs hljóðs, frá milljarða dollara samningum Disney til 100 manna teymis sem sigraði billjón dollara risagirni, 2025 var árið sem AI-myndirnar urðu raunverulegar. Hér er það sem gerðist og hvað það þýðir.
Fyrir þremur árum var AI-mynd djarflegt verkefni. Fyrir tveimur árum var það loforð. Á þessu ári varð það raunveruleiki. 2025 var vendipunkturinn, árið sem myndir sem búnar voru til með gervigreind færðust frá því að vera glansamlegar kynningar yfir í verkfæri sem fólk notar daglega í starfi. Ég skal leiða þig í gegnum stærstu atburði ársins, sigurvegara, óvænta þróun og hvað allt þetta þýðir fyrir 2026.
Árið í tölum
Þessar tölur, frá Zebracat og markaðsrannsóknaaðilum, segja sögu um það hvernig AI-myndir færðust frá tilraunastigi yfir í nauðsynlegt verkfæri. En tölurnar segja ekki alla söguna. Ég skal fylla myndinni meiri fjölbreytni.
Q1: Sora 2 augnablikið
Árið byrjaði með stórkostlegu atburði. OpenAI gaf að lokum út Sora 2 og í stakri stund virtist leikurinn vera út. Innbyggt hljóðmyndun. Eðlisfræði sem gerðist mikil skilningur. Líkan sem skildi orsök og afleiðingu á þann hátt sem var næstum hræðilegt.
Sora 2 var fyrsti leikinn sem myndar myndir með samstilltum hljóði og myndum í einu ferli. Það hljómar tæknilegt, en reynslan var umbreytandi: ekki fleiri augnablik fyrir hljóðmyndun á eftir, engin samstillingarvandamál, bara tilbúnar hljóð og myndir úr texta.
Netið fór á flug. "GPT augnablikið fyrir myndir" varð fyrirsögnin. Kvikmyndasetur hófu endurskoðun. Skapararnir hófu tilraunir. Allir blikruðu til að sjá hvort gæði kynningarinnar myndu halda sér í raunverulegri framleiðslu.
Það virtist að stórum hluta halda sér.
Q2: Samkeppni kviknar
Síðan varð allt áhugaverðara. Google sendi út Veo 3, síðan Veo 3.1 í Flow. Runway gaf út Gen-4, síðan Gen-4.5. Pika hélt áfram umbótum. Luma stefti inn í framleiðsluvirkni. Kling kom upp úr engu með sameinuðri fjölmiðlun myndasamsetningu.
Sora 2 opnuð fyrir almenning
OpenAI kemur með innbyggt hljóðmynd fyrir alla
Veo 3 útgáfa
Google svarar með bættri hreyfingu einstaklinga
Gen-4 kemur út
Runway einbeitir sér að kvikmyndalegri gæðum
Opinn frumkóði sprenging
LTX-Video, HunyuanVideo koma AI-myndum til neytenda GPU
Persónusamkvæmni leyst
Margar gervigreind ná áreiðanlegri persónu auðkenni yfir myndir
Gen-4.5 tekur stærstu sætið
#1 staðan: 100 manna teymi sigraði billjón dollara risagirni
Um miðja árið voru samanburðargreinarnar alls staðar. Hvaða gervigreind er best? Það var háð því sem þú þurfti. Það sjálft var merkilegt: við fórum frá "AI-myndir eru til" til "hvaða AI-mynd verkfæri passar við mitt iðnverk" á nokkrum mánuðum.
Opinn frumkóði og óvæntar framfarir
Kannski óvæntustu þróunin: opinn frumkóði var raunverulegur samkeppniaðili.
LTX-Video
Opinn þyngd, keyrir á neytenda GPU, samkeppnishæf gæði. Lightricks gaf það sem aðrir tóku peninga fyrir.
HunyuanVideo
Framlag Tencent. 14GB VRAM, framleiðsluhæfar niðurstöður.
ByteDance Vidi2
12 milljarðar breytur, skilningur og breytingarvirkni, fullkomlega opin.
Fyrir fyrstu sinni gætirðu búið til AI-myndir af faglegum gæðum án þess að senda gögn þín til skýjaþjónustu. Fyrir fyrirtæki með kröfur um persónuvernd, fyrir rannsakendur sem þurfa gagnsæi, fyrir skapara sem vildu fullan stjórn, þetta breytti öllu.
Disney samningurinn: IP verður raunveruleiki
Síðan kom Disney. Í desember tilkynnti Disney sögulegan samstarf við OpenAI:
Disney leyfir 200+ persónur fyrir Sora var augnablikið þegar AI-myndir urðu lögmæt skapandi miðill fyrir afþreyingu iðnaðinn. Mickey Mouse. Spider-Man. Baby Yoda. Verndadósamlegi eigandi IP á heinum plánetu kom með þetta samband sem þessi tækni sé tilbúin.
Afleiðingarnar eru enn að þroskast. En merking var skýr. Kvikmyndasetur berjast ekki lengur gegn AI-myndum. Þeir eru að finna út hvernig á að eiga hluta af því.
David gegn Golías sagan
Mitt uppáhaldið sagan frá 2025: Runway Gen-4.5 tekur stærstu sætið á Video Arena. 100 manna teymi sigraði Google og OpenAI. Í myndum. Árið 2025.
Gen-4.5 gekk af stöðum með krúnuna með blindri mannlegri mat á Video Arena stigatöflu, og ýtti Sora 2 Pro niður í sjöunda sæti. Sjöunda. Framkvæmdastjóri Cristobal Valenzuela teymi sannaði að einblýta slær auðlindir þegar vandamálið er vel skilgreint.
Þetta skiptir máli umfram stigatöflu. Það þýðir AI-myndir eru ekki markaður með eingöngu einn sigurvegarar. Það þýðir nýjungar geta komið hvaðan sem er. Það þýðir verkfærin halda áfram að batna vegna þess að enginn getur efni á að sitja kyrr.
Innbyggt hljóð: Þögul tímabil endar
Manstu þegar AI-myndir voru þögul? Þegar þú þurfti að mynda klippa, bæta síðan handvirkt hljóð, laga síðan samstillingu?
2025 endar því. Þögula tímabil AI-mynda er lokið.
- Mynda þöglum myndum
- Flutt til hljóðritstjóra
- Leita eða mynda hljóðmyndir
- Samstilla hljóð handvirkt
- Laga tímasetningu
- Endurgera
- Lýstu atburðnum
- Búðu til heilum hljóðmyndum
- Búið
Sora 2, Veo 3.1, Kling O1 allt skip með innbyggtu hljóði. Runway er ennþá útilegumenn, en jafnvel þeir gera samstarf við Adobe til að fá aðgang að hljóðverkfærum ökerfisins.
Þetta var ekki stigvaxandi framför. Það var flokkun breytingu.
Framleiðsluflæði umbreytast
Tæknilegir framfarir þýddu iðnverk byltingu.
Það sem breytti (samkvæmt Zebracat rannsóknir):
- 62% markaðsmanna tilkynna 50% og stærri sparnaðinn á myndaslóðum
- 68% lítil og meðalstór fyrirtæki tóku upp AI-mynd verkfæri, með því að nefna kostnaðarsamlyndi
- Andlit án innihald varð æðsta ROI skaparandi aðferð
- AI meðhöndlar 80-90% af upphaflegu breytingarvinnu
Fyrirtækjasamnot flýtti fyrir sér. Fyrirtæki hættu keyrslum prófanir og hófu samlegð AI í kjarnun framleiðslu. Markaðsteymi sem treystu á 2024 höfðu engan val árið 2025, þar sem samkeppnisaðilar hreyfðu sig hraðar.
Tæknistafinn þroskast
Umfram myndun, stuðningsecosystem óx:
- ✓Persónusamkvæmni leyst: Sama manneskja yfir margar myndir
- ✓Mynd framlenging: Stækka klippa umfram myndaskilmála
- ✓Stækkun: AI-aukið upplausn fyrir hvaða heimild sem er
- ✓Tilvísun myndasamsetningu: Læstu einstakling útlit yfir atburði
- ✓Byrja/enda rammi stjórn: Skilgreina landamæri, AI fyllir miðju
Verkfæri eins og Luma Ray3 Modify láta þig breyta kvikmyndaðu efni á meðan þú varðveiðir framsetningar. Mynd framlenging og stækkun urðu staðaleinkenni. Grunnurinn náði framleiðsluvirkni myndasamsetningar.
Sigurvegarar og taparar
Ég skal segja það sem ég sé:
Sigurvegarar:
- Runway (Gen-4.5, Adobe samstarf)
- Luma Labs ($900M fjármögnun, Ray3)
- Opin frumkóði samfélag (LTX, HunyuanVideo)
- Óháðir skapararnir (verkfæri lýðræðisleg)
- Stúdíói sem taka upp AI (Disney leiðandi)
Taparar:
- Hefðbundnar myndasöfn
- Seinir aðepta (bil stækkandi)
- Lokuð kerfi (opinn frumkóði náði)
- Einnig sem blikruðu fyrir "fullkomið" (nægilega gott kom)
Hvað við fórum þangað
Það sem við sögðum til baka á forsögum árið 2025:
Spá: Sora 2 myndu drottna allt árið. Raunveruleiki: Gen-4.5 tók krúnu í desember. Samkeppni var harðari en búist var við.
Spá: Opinn frumkóði myndu vera kynslóð á bak. Raunveruleiki: Neytenda GPU gervigreind fengu framleiðslugæði með Q3.
Spá: Stúdíói myndu standa gegn AI myndum. Raunveruleiki: Disney fjárfesti $1 milljarð í janúar. Mótstöðu hrundi hraðar en búist var við.
Hvað 2026 hefur
Miðað við allt sem ég hef séð þetta árið:
Lengri myndasamsetningu
10 sekúndu klippa eru nú staðall. 60 sekúndu samfelld myndasamsetningu er næsti landamæri. Margar teymi eru nálægt.
Bein tímamyndasamsetningu
Leikjavit gervigreind eins og NVIDIA NitroGen beina á það sem er að koma. Bein tímamynd myndasamsetningu fyrir gagnvirka reynslu.
Fleiri IP samningar
Disney opnaði dyrnar. Warner Bros, Universal, Sony og aðrir fylgja eftir. Tilboðsbarátturinn byrjar þegar einkaleyfi Disney endar.
Samlegð alls staðar
Adobe-Runway var sniðmátið. Búist við AI-mynd innbyggðum í hverri skapandi svítum, hverju CMS, hverjum vettvangi.
Gæðabil lokunin
Efstu gervigreind eru þegar erfitt að greina. Aðgreiningin mun breytast til hraða, stjórn og iðnverkfæri samlegðir.
Stærri myndin
Hvað þýðir 2025 sögulega?
2025 var fyrir AI-myndir hvað 2007 var fyrir snjallsíma. Ekki uppfinningin, heldur augnablikið þegar það varð raunhæft fyrir alla. iPhone augnablikið, ekki frumgerð augnablikið.
Fyrir tólf mánuðum var það að segja "AI gerði þessa mynd" fram sett. Nú er það væntanleg. Spurningin breyttist frá "getur AI gert þetta?" til "hvaða AI mynd verkfæri ætti ég að nota?"
Það breytist einu sinni á hverri tæknin kynslóð. Það gerðist með stafrænum ljósmyndum. Með farsíma myndum. Með félagsmidlum. Og árið 2025 gerðist það með AI myndasamsetningu.
Að líta fram á við
Ég byrjaði árið 2025 með tortryggni. Myndir á kynningu eru auðveld. Framleiðsluflæði er erfitt. Ég átti við það að búast við að ofstökkið myndu standa fram yfir raunveruleika.
Ég var rangt.
Verkfærin virka. Ekki fullkomlega. Ekki fyrir allt. En nógu vel að hunsa hana er samkeppnisókostur. Nógu vel að bestu skapararnir séu þegar að samlegð henni. Nógu vel að spurningin sé ekki hvort heldur hvernig.
Ef þú hefur verið bestu við hliðinni, beðið um að tæknin myndi þroskast, 2025 var árið það var. 2026 mun vera árið af útfærslum, ekki tilraunum.
Framtíð mynda kom árið 2025. Það var flóknara en myndir, samkeppnishæfara en búist var við og aðgengilegra en nokkur spáði. Hvað gerist næst fer eftir því hvað við byggjum með því.
Gleðilegt nýtt ár. Sjáumst í framtíðinni.
Heimildir
- Disney-OpenAI Sora Samningur (OpenAI)
- Runway Gen-4.5 Video Arena Sigur (CNBC)
- Video Arena Stigatafla (Gervigreind Greining)
- 2025 í AI Myndum með Jakob Nielsen
- AI Myndasamsetningu Þróun 2025-2026
- Ástand Neytenda AI 2025 (Andreessen Horowitz)
- AI-Myndasamsetningi Tölfræði 2025 (Zebracat)
- AI Myndasamsetningu Þróun Greining (Yuzzit)
- YouTube 2025 Endur og Þróun (Google Blogg)
Var þessi grein gagnleg?
Henry
Skapandi tæknimaðurSkapandi tæknimaður frá Lausanne sem kannar þar sem gervigreind hittir listir. Tilraunir með framleiðandi líkön á milli rafeindatónleikaþátta.
Tengdar greinar
Haltu áfram að kanna með þessum tengdu færslum
Runway GWM-1: Almennt heimslíkan sem hermir veruleikann í rauntíma
GWM-1 frá Runway markar hugmyndafræðilega breytingu frá myndbandsgerð til heimshermunar. Kynntu þér hvernig þetta sjálflæga líkan skapar könnunarumhverfi, raunveruleikatengda persónur og hermun fyrir vélmennaþjálfun.
YouTube setur Veo 3 Fast inn i Shorts: Opin gervigreind-myndbandagerð fyrir 2,5 milljarða notenda
Google samhefur Veo 3 Fast gerð sina beint inn i YouTube Shorts og býður upp á opin texta-til-myndbands myndun með hljóði fyrir myndbandshöfunda um allan heim. Hér er hvað þetta þýðir fyrir vettvanginn og aðgengi að gervigreind-myndböndum.
Myndbandslengdarlikan: Naesti arangur eftir LLM og gervigreppahjalpara
Heimslikan kenna gervigreind ad skilja efnislegan veruleika, sem gerir velmennum kleift ad skipuleggja adgerdir og herma eftir nidurstödum adur en eitt hreyfivelarkerfi hreyfist.