Hotshot 釋出文生影片模型：4 人團隊訓出 10 秒 720p 無水印影片

影片生成模型這條賽道上，Runway、Luma 和 Pika 正在神仙打架，連還沒公開的 Sora 都在虎視眈眈。但偏偏有一家只有 4 個人的小團隊，硬是殺了出來。

這家叫做 Hotshot 的初創公司剛剛上線了他們全新的文生影片模型，開啟公開早期預覽。你可以直接在 hotshot.co 免費體驗，生成的影片沒有水印，不過免費使用者每天只有兩次生成額度。

4 個人、4 個月和數千張暴躁的 H100

Hotshot 由 Aakash Sastry、John Mullan 和 Duncan Crawbuck 創辦，他們做了 11 年消費級軟體，拿到了 Alexis Ohanian、Lachy Groom 和 SV Angel 的投資。後來工程師 Chaitu Aluru 加入，團隊一共就 4 個人。

他們去年還做過消費級 AI 修圖軟體，後來徹底放棄，轉做影片模型。在這次的新模型之前，他們其實試水過兩款過渡產品：開源的 Hotshot-XL 能生成 1 秒 8 幀的短影片，月活有 2 萬多；接著又做了 3 秒 8 幀的 Hotshot Act-One。

這次上線的正式版模型野心大得多，能直接生成最長 10 秒、720p 解析度的影片。整個訓練只花了 4 個月，餵了 6 億個影片片段，動用了數千張 GPU。

小團隊訓大模型的代價全寫在白皮書裡了。他們直言訓練過程像在給這幾千張 GPU 當全天候保姆，因為把硬體壓榨到了極限，輝達的 H100 動不動就宕機。為了盯緊這條訓練流水線，有一名團隊成員整整一個月過著 24 小時待命的值班生活。

技術上，團隊專門訓練了一個全新的自動編碼器，在空間和時間兩個維度上壓縮影片資料，既大幅縮小了體積，又留住了訓練模型所需的全部動態資訊。

能生成 10 秒影片，但獨角獸變成了普通馬

創始人 Sastry 在 X 上展示了模型的多種風格，包括美漫畫風和轉描動畫效果。他還放話表示，這是目前公開發布的最強同類模型，並預言未來 12 個月內，創作者就能用 AI 生成一整支完整的 YouTube 影片，連文本、影片到音訊都能全流程掌控。

不過實際體驗得降降溫。媒體實測輸入「一隻獨角獸穿過巴黎」，生成出來的畫面確實很逼真，光影也很對味，但頭上的角沒了，直接變成了普通馬在街頭慢跑。

就目前來看，Hotshot 生成的畫質、細節和解析度，相比 Runway Gen-3 Alpha Turbo 或 Luma Dream Machine 還有肉眼可見的差距。

為什麼重要

對於普通使用者和內容創作者來說，Hotshot 最大的吸引力在於免費而且不打水印，生成時長直接拉到了 10 秒，比很多競品免費給的 3 到 5 秒要慷慨。每天兩張的額度雖然不多，但完全值得現在順手玩兩次，拿來做社交媒體的動圖素材或影片分鏡草稿很趁手。

對行業而言，這件事最大的看點在於效率神話。通常我們認為頂尖影片大模型是幾百人兵團加千萬美元級別燒錢的遊戲，但 Hotshot 證明了只要架構設計夠巧、壓縮演算法夠狠，一個 4 人極客團隊花 4 個月也能硬剛出可用產品。這會倒逼整個行業去最佳化工程效率，而不是單純堆砌算力。

不過在我們看來，他們的隱患也很現實。為了搶先上線，產品在畫質和複雜指令理解上明顯妥協了，比如把獨角獸認成馬。影片生成早已過了單純比誰能動的階段，接下來的主戰場是一致性、運鏡控制和高畫質。Hotshot 必須儘快補上解析度和音訊的多模態能力，否則在巨頭密集迭代的夾擊下，這點時間差優勢很快就會被抹平。