美图设计负责人许俊谈AI升级：从听话到懂需求

AI影像新趋势：从“听话”到“懂需求”，美图如何实现“精准可控”与“简单易用”？

在人工智能技术高速演进的当下，AI生成能力已经不再是稀缺优势，真正决定行业竞争力的关键，正逐步转向“精准可控”与“简单易用”。近日，美图公司副总裁、设计中心负责人许俊在中国国际数字娱乐产业大会（CDEC）高峰论坛上，分享了美图在AI影像领域的最新实践与思考，进一步揭示了AI影像产品如何从“听话执行”升级为“懂需求创作”。

AI影像的核心挑战：听懂指令难，精准控制更难

许俊在演讲中直击要点地表示：“AI很听话，但听懂话很难。” 这句话准确点出了当前AI应用面临的核心难题——虽然AI可以按照指令生成内容，但要真正理解用户的真实需求、创作意图以及审美预期，并实现高精度控制，仍然存在不小挑战。

真正有价值的AI影像产品，不应只是根据提示词机械输出结果。更关键的是，AI要能够融入真实创作流程，降低创作门槛，提升操作效率，让普通用户也能完成过去需要专业技能和经验才能实现的图像处理与视频编辑工作。

美图如何用AI重构影像创作流程？

针对上述行业痛点，美图正借助AI技术系统性重构影像创作流程，覆盖图像领域和视频领域。以下是具体实现方式：

• 视频精修领域：以Wink为例，传统视频精修通常需要专业剪辑或后期人员逐帧调整，不仅耗时长，而且使用门槛较高。而Wink通过AI实现了视频逐帧精修，用户只需对单帧效果进行修改，AI即可自动将相应调整同步延展到整段视频，大幅提升视频精修效率与一致性。
• 图像领域：AI能力正持续融入影像创作全流程，致力于将原本复杂的技术能力，转化为更具精准可控性和简单易用性的产品体验，帮助用户更高效完成修图、设计和内容创作。

美图AI影像产品矩阵与技术支撑

目前，美图已经形成覆盖图像、视频、设计等多类场景的完整AI产品矩阵。作为核心技术创新引擎，最新的美图奇想大模型具备以下关键能力：

• 专业视觉决策能力：支持文字、图像、视频、音频的多模态输入，能够更全面地理解复杂创作需求。
• 深度用户理解：结合美图在用户理解与审美偏好方面的长期积累，能够精准理解用户意图，提升AI影像生成与编辑结果的匹配度。
• 审美校准机制：由专业设计师参与审美校准，持续优化AI产品输出效果，增强画面质量与整体美感。

未来展望：让AI影像实现三大突破

许俊表示，随着大模型能力的持续迭代升级，美图希望进一步推动AI影像在以下方向实现突破：

• 生成质量：持续提升AI生成内容的精细度、稳定性与真实感。
• 精准理解：让AI更准确识别并理解用户更复杂、更细致的创作需求。
• 创作可控性：让用户能够更灵活地控制AI创作过程，获得更符合预期的输出结果。

最终目标，是让普通用户也能轻松释放创作灵感，享受AI带来的生产力革新，真正实现高效率、高质量的智能影像创作。

常见问题与实用建议

Q：如何判断一个AI影像产品是否“好用”？
A：可以从两个核心维度进行判断：一是产品是否具备精准可控的能力，也就是用户能否对生成结果进行精确控制；二是产品是否真正做到简单易用，即普通用户无需复杂学习或专业培训，也能快速上手完成AI修图、AI视频编辑等操作。

Q：AI视频精修技术能处理哪些类型的视频？
A：目前，AI视频精修技术适用于多种视频内容类型，包括但不限于人像视频、风景视频、产品展示视频等。以Wink为例，其AI逐帧精修技术尤其适合需要统一色调、调整光影、修复细节的场景，可有效提升画面表现力和整体观感。

Q：美图奇想大模型与其他AI模型的区别是什么？
A：美图奇想大模型的突出特点，在于其专业视觉决策能力和审美校准机制。它不仅支持多模态输入，还能通过设计师参与的审美校准提升输出效果的美学质量与实用价值，这是许多普通AI模型较难兼顾的能力。

小提示：对于准备尝试AI影像工具的用户，建议从简单的任务开始，例如先使用Wink的AI精修功能处理一段短视频，逐步熟悉AI影像创作逻辑和操作方式，再进一步尝试更复杂的修图、视频优化或内容生成任务。