Runway

定义

Runway是总部设在美国纽约的人工智能公司Runway AI, Inc.所提供的视频生成与编辑平台，该公司同时以RunwayML之名出现于开发者与创意社区^[1]。在通搜百科的分类中，它属于科技领域的软件类产品，核心能力是从文字、图像或视频素材出发，生成新的动态影像^[2]。

该平台把多种模型放在同一界面内：文本转视频、图像转视频与视频转视频三类任务都可以在浏览器端完成，平台还提供图像生成、声音与音效生成等周边功能^[3][4]。Runway的产品线按Gen-1、Gen-2、Gen-3 Alpha、Gen-4、Gen-4.5等版本号迭代，每代模型在保真度、时间一致性与运动控制上有所调整^[1][3]。

平台面向的使用者包括电影制作人、设计师、视觉特效与计算机动画从业者、艺术家、音乐人、学生与教育工作者等群体^[5]。公司亦向开发者提供应用程序接口，开发者可通过接口提交提示词、参考图像或视频，按模型与时长计费获取生成结果^[2]。

原理

Runway的生成模型属于扩散模型一类。这类模型训练时先向图像或视频样本逐步加入噪声，再学习从纯噪声中一步步还原数据的逆过程，因此推理时可以从随机噪声出发，沿着提示词所指向的方向逐渐去噪，最终得到画面^[6]。据Runway公布的信息，Gen-2训练所用内部数据集包含约2.4亿张图像与640万个视频片段^[6][7]。

图像与视频的差别在于时间维度。逐帧调用图像模型会带来闪烁和帧间内容跳变，Runway因而采用潜空间扩散架构处理时序信息，并通过预测下一帧的方式让模型学习视觉世界的动态规律。Gen-1阶段的方案以输入视频作为结构条件，由模型改写其外观；Gen-2取消了这一结构约束，直接从文字或单张起始图像生成运动。

在控制方式上，平台把结构、风格与运动拆成可调参数：提示词描述内容与美学，运动画笔指定画面局部的运动方向，相机控制模拟推拉摇移等运镜，参考图像则用于在多个镜头之间保持角色与场景的同一性^[5][4]。Runway称Gen-3 Alpha的训练由研究科学家、工程师与艺术家组成的跨学科团队协作，以便模型理解电影术语与各类艺术风格^[5]。

flowchart LR

A[文字提示词] --> D[生成模型]

B[参考图像] --> D

C[输入视频] --> D

D --> E[潜空间去噪]

E --> F[时序一致性处理]

F --> G[视频片段]

G --> H[编辑与合成]

发展历程

公司的起源可追溯至2018年。克里斯托瓦尔·瓦伦苏埃拉、阿纳斯塔西斯·耶尔马尼迪斯与亚历杭德罗·马塔马拉3人在纽约大学蒂施艺术学院相识，并把各自的论文项目发展为一家以机器学习工具为核心的公司，同年获得Lux Capital的200万美元种子融资^[1][5]。早期产品形态是云端的可视化模型浏览与调用界面，用户不必编写代码即可试用各类生成模型^[8]。

2021年12月，公司在B轮融资中获得3500万美元^[1]。2022年，Runway参与了初代Stable Diffusion的开发工作，并在同年4月发表潜空间扩散模型相关成果^[6]。这段经历为公司后续转向视频生成积累了模型与工程基础。

2023年2月，Gen-1以Discord内测形式开放；3月20日，Gen-2对外公布，可在文字或图像提示下生成数秒短片，并于同年6月正式向公众发布^[9][10][11]。同年8月，Gen-2可生成的视频长度从4秒提升到18秒，9月加入导演模式与运动滑块，11月支持生成4K视频。同月，公司宣布组建团队研究通用世界模型。

2024年6月17日，Runway发布Gen-3 Alpha，在保真度、一致性与运动表现上较Gen-2有明显提升，支持5秒至10秒的高分辨率输出，并引入内部视觉审核与C2PA来源标注机制^[5]。2024年10月，首席执行官公开表示公司定位是媒体与娱乐公司。2025年10月推出速度更快、消耗额度更低的Gen-3 Alpha Turbo，同年12月发布Gen-4.5^[12]。2026年2月，公司完成E轮融资，估值约53亿美元。

产品形态也在扩展。2024年平台上线iOS移动应用，账号内容可在手机与电脑之间同步^[4]。其后平台加入以对话方式编排分镜的Agent功能，并通过模型上下文协议把生成能力接入ChatGPT、Claude等外部对话式工具，使用户可在聊天界面内设定风格、镜头并调用上传的图片^[13][14]。

应用

影视与视觉特效是Runway较早落地的方向。公司技术曾用于电影《瞬息全宇宙》的视觉特效制作，该片此后获得奥斯卡最佳影片奖^[8]。在流程上，制作方可以把AI生成片段与实拍素材、后期软件结合，用于概念预演、分镜动态化和补拍素材。

广告与营销是另一类常见用途。平台提供商品图转视频、场景替换、多比例适配等功能，营销人员可据此批量产出不同版式的短片与社媒素材^[4][13]。音乐视频、短片、故事板、角色设计与头像生成也被列为平台的目标场景^[4]。

在教育与创意实验方面，平台被用于把讲解内容转化为图像与配音视频，也支持在同一主体上探索多种风格^[13]。Runway还通过Gen:48短片竞赛与AI电影节等活动支持创作者社区，参赛者需在限定时间内完成短片^[8]。

面向开发者的接口使生成能力可被嵌入第三方工作流。接口以任务形式接收请求，返回生成结果与预计消耗额度，支持文本转视频、图像转视频与视频转视频，单次输入视频长度上限为30秒^[2]。

局限

生成片段偏短是长期存在的约束。Gen-2早期输出仅约4秒，2023年提升至18秒，Gen-3 Alpha阶段的高分辨率输出为5秒至10秒^[6]。以逐镜头拼接方式完成的成片，仍需处理镜头之间的角色、场景与光线连续性。

实测中出现的画面缺陷包括帧率偏低造成的卡顿感、整体颗粒与模糊、镜头快速推近时物体边缘的像素化，以及人物四肢融合、物体融解、阴影扭曲等违反解剖与物理规律的现象^[6]。在多人场景中，人物转头后五官与脸型可能发生变化，这类不一致在多次尝试后仍未完全消除^[11]。

对提示词的理解并不稳定。有测试显示，模型可能只抓住描述中的某一项而忽略其他要求，例如被要求慢速变焦却未产生推镜，或对特定职业形象把握不准^[6]。Runway联合创始人亦承认，早期模型尚未真正掌握运动中的物体^[9]。

训练数据来源存在争议。《404 Media》援引一名前员工的说法称，Gen-3的训练素材包含数千个YouTube影片，公司曾借助下载工具与代理服务器规避平台限制；该媒体在测试中还发现，输入某些创作者名字会生成风格相近的影片^[1]。这段表述来自媒体调查报道，Runway未在公开材料中确认上述细节。

参见

• 扩散模型 —— Runway视频生成模型所属的技术类别。

• Stable Diffusion —— Runway参与早期开发的图像生成模型。

• 通用世界模型 —— Runway提出的长期研究方向。

• 模型上下文协议 —— 用于把Runway能力接入外部对话式工具的协议。

• 生成式人工智能 —— Runway产品所处的更大技术范畴。