---
title: "范式智能新视频模型把声音和画面一次生成，权重仍在路上"
date: 2026-11-20
category: AIGC内容
site: 脑机网
canonical: https://aiai.cafe/a/njw-6c3fae
language: zh-CN
---

# 范式智能新视频模型把声音和画面一次生成，权重仍在路上

> 剪辑师打开一段店员对着镜头说话的片段。嘴形跟着台词走，手随句子动，声音停顿时环境音依旧平稳。没有后期配音。

剪辑师打开一段店员对着镜头说话的片段。嘴形跟着台词走，手随句子动，声音停顿时环境音依旧平稳。没有后期配音。

这是一家更以向银行卖软件出名的公司给出的承诺：范式智能的新视频模型。

## 发布了什么
2026年11月18日，范式智能技术集团股份有限公司（6682.HK，原第四范式）在北京的十二周年活动上发布了两款Phai系列模型。

- Phai-A1是面向代码开发和助手任务的模型。公司称它在单张RTX 3090显卡上比Qwen 27B快约8至10倍，支持原生100万token上下文，可在个人电脑上运行。
- Phai-M1是面向真人影视场景训练的视频生成模型。公司称它一次生成声音和画面，720p下生成15秒片段约需3分钟，并改善了面部表情和肢体动作的自然度。
公司还点名了接入的应用：PhanRouter、ModelSphere、Phanthy、PhanthyMovie和PhanthyCode。2014年创办公司的戴文渊把发布描述为从单模型能力竞争转向协调算力、模型与应用的一步。

两款模型都在华为昇腾平台上做了训练和后训练。这个细节很重要：对中国企业买家来说，能在国产硬件上适配，越来越是采购要求，而不是宣传话术。

## 声音和画面一次生成为什么重要
多数AI制作的视频仍把两件事分开做：模型生成无声画面，另一套系统配音或做音乐，剪辑师再对齐。接缝会露出来——嘴形漂移，镜头之间底噪变化，呼吸和话语停顿对不上。

一起生成消掉了其中一处错配来源：模型必须在决定画面的同时决定声音，更难，但更连贯。Phai-M1列出的用途——数字人、短视频和广告素材——恰是可见错配代价最高的地方。一条口型对不上的15秒广告不是技术猎奇，而是不能用。

3分钟这个数字值得加注脚。它描述的是公司自测条件下的720p片段，没说要重试几次、更高分辨率会怎样、面对多个说话人如何。对排期做短剧的团队来说，这些未知数比头条速度更重要。

## 真人感的问题
中国视频模型在2026年一直在比长度、分辨率和参考图控制。Phai-M1瞄准的是另一个弱点：从业者说的"塑料感"——脸部扭曲，手上少手指，所有物体都像打着同样的柔光。

公司称它专门用真人素材训练，针对表情和身体动作优化。这个目标合理，因为真人素材正是视频模型遇到付费客户的地方：广告公司和短剧工作室关心的不是基准分数，是客户收不收片子。

但"少一点塑料感"是定性说法，公告没有盲测、用户研究或与竞品的并排评测。第三方测试之前，诚实的描述是它在瞄准真实感，而不是已经实现了它。

## 开源权重的问题
一些报道把这次发布形容为"已发布并开源"。据科技媒体报道的公司声明，它计划近期把权重放到Hugging Face和魔搭（ModelScope）上。

两者不是一回事：带托管访问或通过自家应用使用的发布让你能试用，带权重的发布让你能检查、做基准、微调和本地运行。这决定了说法能否被独立核实。写作时我没有找到已发布的Phai权重，因此把性能数字当作公司陈述。

## 它处在什么位置
Phai-M1进入的是拥挤赛道。可灵、Seedance、万相和Vidu都在2026年发过视频模型，有些片段更长或分辨率更高，单在这些维度上竞争会很艰难。

范式智能的角度是整合：它卖企业软件，Phai模型已接进自家套件。对银行或零售商来说，嵌在现有流程里的视频模型，可能比榜单冠军更有价值。这是分发逻辑，不是技术逻辑——而分发常常决定最终用哪个模型。

## 关键要点

- 范式智能11月18日在北京发布Phai-A1（语言）和Phai-M1（视频）。
- Phai-M1一次生成同步音视频，公司称15秒720p片段约需3分钟。
- 两款模型都在华为昇腾平台上优化。
- 模型已接入公司自家应用，但承诺的Hugging Face和魔搭权重在发布时并未提供。

## 诚实的局限
本文所有性能数字——8至10倍加速、100万token上下文、3分钟生成时间——都是公司自己的陈述，我没找到任何一款模型的独立基准。

开源权重问题存在来源差异：一些标题称发布即开源，据科技媒体报道的公司说法则承诺权重"近期"放出，我采用公司措辞。若此后权重已出现，读者应核实当前状态。

我没有测试Phai-M1，也无法确认自家应用之外是否有公开演示。材料没有公布定价，无法比较单条成本；没有金额，不涉及美元或港元换算。

## 普通人现在能做什么

- 在把某个基准当成已验证之前，先确认权重是否存在。"即将放出"和"已可获取"是两种状态，只有后者允许独立测试。
- 做视频工作，就用自己的素材测口型。在工作室演示里惊艳的模型，可能在侧光加两位说话人的产品镜头上翻车。
- 问一个模型接入了什么，而不只是它能做什么。一个嵌在可用生产流程里的平庸模型，常常胜过需要新建流水线的更好模型。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-6c3fae
本内容仅供参考，不构成投资建议。
