摘要
Grok，学会一键看片了？ 就在昨天，马斯克在X上兴奋宣布：Grok可以分析任何视频了！ 在推文中，马斯克放出一段长达63秒的高清视频。其中主角，居然是早已离我们远去的篮球巨星科比。 在视频中，科比身穿黑色西装，坐在洛杉矶夜景前的真皮沙发上。他的手边放着一个篮球，对着镜头向全网推销Grok 4.5。 「听着，我是科比·布莱恩特。今晚，我们不谈绝杀球，我们来聊聊下一个令人痴迷的东西——Grok 4.5。」 最后还不忘甩出一句经典收尾：「Grok 4.5。伟大是挣来的。曼巴Out。」 如果不是科比已经去世，看到这个视频的所有人，大概都会懵一会：这是真的还是假的？完全看不出伪造的痕迹啊…… 好在，现在我们有了Grok。它能力惊人，不仅能迅速吃透长视频，甚至还能对极度逼真的伪造视频迅速打假，进行技术溯源。 甚至，还有人放出实例：Grok 观看了一段 30 分钟的完整访谈视频，学习、分析后，在仅仅大约 36 秒内就生成了详细摘要。 Grok的「神级」扒皮秀 如果把这段科比视频发给普通人，大概率会被疯狂转发，甚至有人会以为，这是一段科比生前未公开的商业代言。 但是，Grok一眼就能鉴假。 看完视频后，Grok交出一份教科书级的报告。 它敏锐指出，「这是一段AI生成的Deepfake视频。科比·布莱恩特已于2020年去世，因此整段视频完全是合成的。」 甚至，它还能对视频进行技术溯源。 当被问及「这是哪个AI制作的？」时，Grok认为大概率是xAI自家的Grok Imagine Video 1.5。 因为63秒的时长远超纯文本生成视频（通常10-15秒）的极限，大概率是通过多段拼接，并使用了「图像参考+文本提示+唇形同步」的混合工作流。 另外，也有可能是Sora 2或Veo 3制作。 所以，Grok真的能做到完全「看懂」视频吗？ 有技术大神打假了：Grok处理的根本不是画面，是字幕。真要逐帧渲染分析，那算力得堆到天上去。 而且，AI的幻觉老毛病还在。 有人直接拿自己11分钟的视频测试了一下，发现摘要里大部分信息要么是转录错，要么纯属编造。 也有人用X直播试了下，效果时好时坏，并不稳定。 Grok真的能看懂吗？实测陶哲轩的科拉茨猜想…
摘要可能不完整，可查看原文