Runway Gen-4 示例:电影感运动、风格与可见错误

原标题Runway Gen-4 Examples: Cinematic Motion, Style and Visible Errors

Matthew Berman 回顾早期生成片段,赞赏其视觉细节,同时指出生硬的互动和不一致的物理表现。

MBMatthew Berman讲者 · Forward Future
频道
Matthew Berman
发布
2025年4月1日
视频
16:02
阅读
5 分钟
幻灯片
6
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

在这段 2025 年 4 月的视频中,Matthew Berman 观看 Runway Gen-4 发布示例和用户作品,内容涵盖电影场景、毛毡动物和风格化短片。他赞赏一致性与光照,但指出手臂、车轮、水和人物互动方面的错误。他表示自己尚未亲自测试该服务;这些片段经过挑选,而更长影片仍属于预测。

  1. 1强烈的画面与瑕疵Berman 赞赏一位创作者的片段,但指出手臂位置错误和车轮运动不一致。
  2. 2Gen-4 的输入Runway 规定使用输入图像加文字提示,生成 5 秒或 10 秒视频;这与视频标题中的纯文本生成视频表述不同。
  3. 3多镜头短片据创作者介绍,《The Herd》使用图像参考、Gen-4 和 Act-One 制作。
  4. 4运动与物理错误Berman 指出一个雨街场景中的水反应不正确,后来又批评一场人物争吵戏的视线和动作生硬。
  5. 5回顾精选示例Berman 表示自己没有 Runway 账户,也没有在视频中进行独立测试。

要点建议

  1. Gen-4 示例展示了醒目的视觉风格、光照和表面上的连续性,但经过挑选的片段不能证明平均表现。
  2. Runway 的 Gen-4 视频工作流需要输入图像和文字提示,生成时长为 5 秒或 10 秒。
  3. 一些示例在解剖结构、物体运动、视线和水的行为方面存在可见错误。
  4. 完成的短片可能结合多段生成镜头、参考图、剪辑、声音或其他工具。
  5. Berman 对一小时生成影片的预测属于猜测,并非已证实的 Gen-4 能力。
全文

按章节阅读整理后的全文

只看原始文稿
01

发布示例与视觉一致性

Berman 观看超现实和电影风格示例,包括一个人物被遮挡的森林场景。他既看到逼真的光照,也发现明显的运动错误。

Runway Gen-4 已经推出,我想看看这些示例。一个行人标志从人行横道信号牌中走出来,进入街道场景;光照和车辆让这个超现实的想法看起来很逼真。这些是经过挑选的演示,因此展示的是可能输出,而不是具有代表性的成功率。

另一个蒙太奇将人变成令人不安的鸟类角色:鸡、火烈鸟和长脖子火鸡。这些画面令人不适,但展示了工具能将风格化设计推向何种程度。另一组电影感片段则让人想到科幻和奇幻影片。

在一个森林镜头中,树枝从女性与镜头之间经过,她再次出现时动作似乎保持连贯。其他示例包括汽车、有雾的水面、火箭、小行星、火和水母。我觉得很多画面令人印象深刻,尽管一辆汽车和一座倒塌的桥存在奇怪的细节。

02

创作者片段与 Gen-4 发布

一位创作者的片段呈现了出色的人脸,同时存在解剖结构和车轮错误。Berman 回顾 Runway 的产品主张及动画短片。

一位名叫 Ellenor 的创作者表示,她用 Reve 生成图像,再用 Runway 制作动画,20 分钟内完成了一个短片。我喜欢人脸和手的表现,但注意到一只手臂似乎从错误的人身上长出,另一个镜头中的车轮旋转或变向也很生硬。所报道的制作时间是创作者的说法,并非基准测试。

Runway 将 Gen-4 描述为在运动、可控性和一致性上的进步,并称图生视频最初向付费和企业用户推出。这些是公司的主张。尽管视频标题使用了文生视频表述,Runway 的 Gen-4 文档规定需要输入图像和文字提示,生成时长为 5 秒或 10 秒;可用性和产品细节取决于版本。

Runway 对 Gen-4 发布的主张
幻灯片 1 / 6Runway 对 Gen-4 发布的主张画面中的公司帖子介绍了运动、一致性和提示遵循方面的改进。

我观看了包括一只北极熊在内的动画示例,并表示当前短片是未来进一步改进的起点。这是我的乐观看法,并不保证每次输出都会改善,也不意味着已经可以一次生成更长影片。

短片《The Lonely Little Flame》采用类似黏土的风格:一团火焰遇到一只臭鼬和一块石头。较低帧率的动作让我想到定格动画,我喜欢角色和材质的呈现。精心剪辑的短片不一定是一次连续生成的结果。

03

动物场景与《The Herd》

城市动物和奶牛主题短片展示了精选画面中的模型表现范围。关于更长影片的预测仍属猜测。

在《New York Is a Zoo》中,犀牛、长颈鹿、大象、熊、斑马、狮子和猴子出现在城市各处。一些动作看起来很生硬,但我认为整体画面很出色。这些片段展示了不同场景,并非与其他模型的受控比较。

《The Herd》讲述一个年轻男子在夜晚雾蒙蒙的田野中被奶牛追赶。创作者表示,他用 Gen-4 和几张参考图构建镜头,再结合 Act-One。我对奶牛、火焰和烟雾中的剪影印象深刻,同时觉得整个片段略带诡异感。

加上音乐和对白后,我能想象一两年内出现长得多的生成影片。这是一项预测,而非已经展示的 Gen-4 能力。示例短片使用多个镜头及其他制作步骤,因此不能证明通过一次提示就能生成长片。

04

用户示例与物理局限

Berman 检查遮挡、水、光照和人物互动。他赞赏部分片段,同时指出明显的不一致。

在更多用户示例中,一名男子站在地铁里,扶杆从他和镜头之间经过。我重放这一时刻,注意到遮挡结束后,他衬衫上的褶皱似乎保持一致。这是一个有用的视觉例子,但单个精选片段无法证明模型普遍理解物理世界。

我觉得奔跑的人物、飞溅的颜料和雪山公路上的汽车也表现不错。但在一名女子撑伞的场景中,即使她没有接触地面,地上的水似乎也对她的动作产生反应。这个镜头很漂亮,但物理表现并不完美。

雨街示例
幻灯片 2 / 6雨街示例Berman 指出这段精选生成场景中的水反应违反物理规律。

接下来是火山、灯光和一名带伞的滑板者。在一场看似母女争吵的戏中,互动没那么可信:两人的视线没有交汇,指向似乎错位,女儿摆弄行李箱的动作也不自然。

两人互动
幻灯片 3 / 6两人互动该示例展示了 Berman 指出的生成场景中生硬的视线和动作。
05

织物世界与混合风格

毛毡风格的动物片段和混合风格的地铁场景展示了不同美术效果。讨论也指出了水和运动的错误。

织物风格片段是我最喜欢的例子之一。一只鸟、毛毛虫、蛇、豪猪、狐狸、鹿和浣熊看起来像毛毡或软玩具。我想象可以将这样的片段配上故事和音效剪在一起,虽然要制作所设想的长片还需要额外工作。

织物风格动物片段
幻灯片 4 / 6织物风格动物片段一只毛毡般的毛毛虫展示了创作者蒙太奇中的风格化视觉效果。

这些织物动物也暴露了局限:水从嘴边滴落时看起来不错,但落到水面后的表现不佳;织物鸭子漂浮时也看不出吸水。后来一只兔子留下光的轨迹。这些是对单个片段的观察,并不是对完整物理模拟器的测试。

一个地铁场景将写实人物、平面卡通和一只拿着冰淇淋的毛绒熊混合在一起。我特别喜欢三种视觉风格之间的光照。另一个动画角色短片也有类似的电影感,不过更长的影片需要额外镜头和剪辑。

混合风格地铁场景
幻灯片 5 / 6混合风格地铁场景片段在同一场景中结合了卡通角色和毛绒熊。
06

汽车、狼与肖像

他比较车辆运动、火车窗景、狼和面部特写。最后他指出自己尚未亲自测试 Runway。

未来风格汽车
幻灯片 6 / 6未来风格汽车Berman 观察到片段中的车轮转动与车辆移动不匹配。

一组未来风格汽车细节丰富,但车轮转速远高于车辆移动速度。在豪华列车镜头中,我觉得窗外经过的森林更一致。这种比较展示了示例中既有吸引人的画面,也有运动错误。

狼在水中行走,湿润的毛发、牙齿和景深随之变化。我检查这些细节后觉得很逼真。一名尖叫女性的特写中,她的牙齿相对稳定,但舌头明显变形;另一张肖像则呈现皮肤上细微的阴影。

总体而言,我认为 Gen-4 的发布令人印象深刻,并且能与其他视频生成器竞争。但我没有在这里亲自测试:我说自己没有 Runway 账户,正在回顾公开示例。这个蒙太奇不应被视为对典型可靠性、成本或提示遵循能力的独立评估。

同频道的其他文章

5 张幻灯片14:45EN → 简体中文
Matthew Berman· 2026年10月29日Matthew Berman 解读 Google 的 Gemini 4 Carbon 公告Matthew Berman · Forward FutureMatthew Berman 回顾 Google 公布的 Gemini 4 Carbon 基准结果、分阶段开放计划与定价,同时指出自己尚未使用该模型。Foundation ModelsBenchmarksAI cost & performance+2
12 张幻灯片34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构,并质疑 AI 快速发展与安全之间的张力。AnthropicAI Safety企业 AI+2
0:26EN → 简体中文
Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中,Altman 思考解决难题的乐趣,以及人在解读结果时的作用。Human-AI CollaborationFuture of WorkAI Strategy
2 张幻灯片0:36EN → 简体中文
Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原,并对 Kimi K3.1 的测试给予积极评价。评估编程智能体Open-weight models
2 张幻灯片0:21EN → 简体中文
Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表,随后发现图中的数字只是示意性占位值。Benchmarks评估Generative media
6 张幻灯片25:50EN → 简体中文
Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。Open-weight modelsBenchmarksAI cost & performance+1