允中 发自 凹非寺

量子位 | 公众号 QbitAI

12月来源，可灵AI接连放出大招。

环球首个联合的多模态视频及图片创作用具“可灵O1”、具备“音画同出”才气的可灵2.6模子、可灵数字东谈主2.0功能……

5天内5次“上新”，径直让生成式AI范畴的竞争“卷”出新高度。

可灵2.0发布的时候，就革命性地建议过一个全新友互理念——Multimodal Visual Language（MVL），让用户好像聚会图像参考、视频片断等多模态信息，将脑海中包含身份、外不雅、格调、场景、动作、色调、运镜在内的多维度复杂创意，径直高效地传达给AI。

基于MVL理念，在最新的一次迭代中，可灵O1将通盘生成和剪辑任务交融于一个万能引擎之中，为用户搭建全新的多模态创作流，齐全从灵感到制品的一站式闭环。

就像a16z投资结伙东谈主Justine Moore在家具发布后第一时辰点评的那样：

咱们终于迎来了视频界的Nano Banana。

以可灵视频O1模子为例，它突破了传统单一视频生成任务的模子范畴，将参考生视频、文生视频、首尾帧生视频、视频内容增删、视频修调动换、格调重绘、镜头延展等多种任务，交融于消失个万能引擎之中，使得用户无需在多个模子及用具间跳转，即可一站式完成从生成到修改的一起创作进程。

不管是创作家们“头疼”已久的主体一致性难题，仍是视频画面的可控性问题，都在此次模子迭代里找到了相对完整的管制决策。

在图片生成这件事上，可灵AI也革命性地完成了迭代。

最新上线的图像O1模子，不错齐全从基础图像生成到高阶细节剪辑全链路无缝衔尾，对用户来说，既可通过纯文本生成图像，也可上传最多10张参考图进行交融再创作。

无人不晓，可灵领有一无数诚挚的“发热友”。他们既是家具的深度使用者，也能从功能层面建议我方的视力。

O1发布之后，就有不少网友列队“许诺”家具功能，排行靠前的，险些都在珍重可灵什么时候会推出跟随视频画面的语音及音效直出功能。

谜底很快就揭晓了。

12月3昼夜晚，可灵AI接着“放大招”，负责推出2.6模子。

此次更新中，可灵AI上线里程碑式的“音画同出”才气，澈底调动了传统AI视频生成模子“先无声画面、后东谈主工配音”的职责进程。

它好像在单次生成中，输出包含当然语言、动作音效以及环境氛围音的完整视频，重构了AI视频创作职责流，极大普及创作遵循。

可灵AI国外超等创作家、AI电影导演Simon Meyer制作的这支宣传片，纯真阐扬了此次可灵2.6的才气革命之处。

关于创作家来说，输入文本或是输入图片聚会辅导词文本，均可径直生成带有语音、音效及环境音的视频。

语音部分，可灵现在解救生成汉文以及英文，生成视频长度最长解救10秒（传闻，更万般的语言体系以及固定声线等功能正在研发中）。

通过对物理宇宙声息与动态画面的深度语义对都，可灵2.6模子在音画协同、音频质地和语义和会上进展亮眼。

对“音画同出”才气感兴趣的一又友，不错迅速试试，说不定你会和Simon Meyer一样产生横蛮共识。

密集更新背后，可灵AI鄙人一盘怎样的大棋？

除了全新推出的可灵O1及2.6模子这两大重磅更新，可灵还在上周接踵推出了数字东谈主2.0、可灵O1主体库&对比模板等功能，从AI内容生成的本色进程启航，带来愈加苟简的操作体验。

5天内5次“上新”，功能层面的精进背后，是可灵关于生成式AI本事的极致追求。

比如12月1日推出的视频O1模子，就突破了视频模子在生成、剪辑与和会上的功能割裂，构建了全新的生成式底座。

交融多模态和会的Multimodal Transformer和多模态长高下文（Multimodal Long Context），齐全了多任务的深度交融与联合。

字据可灵AI团队的里面测评，在“图片参考”任务上，可灵AI对Google Veo 3.1的合座遵循赢输比为247%；在“指示变换”任务上，与Runway Aleph对比的合座遵循赢输比达到230%。

尤为清贫的是，动作国产视频生成大模子范畴的代表，从2024年6月负责推出以来，可灵AI的每一次迭代险些都能让业界迎来一次“集体抖擞”。

从早期东谈主们津津乐谈的吃面条的案例，到特斯拉创举东谈主马斯克的点赞，再到可灵AI这一波“批量上新”操作，视觉生成本事逐渐走向熟识的过程里，可灵AI无疑是阿谁频频唤起共识的关节变装。

△X网友Min Choi发布的著作，对比了不同本事才气之下“威尔·史小姐吃意大利面”的经典场景

在执续激发参议的同期，能否鼓励本事的平时愚弄落地，亦然生成式AI平台不得不面临的问题。

数据表示，可灵AI现在障翳的企业用户数逾越2万家，涵盖影视制作、告白、创意运筹帷幄、自媒体、游戏、电商等等诸多范畴。

多元的行业客户组成，意味着可灵AI必须执续突破本事愚弄的上限。

就像此次升级的可灵2.6模子，不错解救包括话语、对话、旁白、唱歌、Rap、环境音效、夹杂音效等多种声息的单独或夹杂生成，好像平时地愚弄于五行八作的本色创作场景中，极大普及创作遵循；

再比如数字东谈主2.0功能的迭代，关于创作家而言，只需要上传变装图，添加配音内容并刻画变装进展，就不错获得进展力纯确实“自界说数字东谈主”，更令东谈主抖擞的是，视频内容最长可达5分钟。

快手高等副总裁、可灵AI行状部负责东谈主兼社区科学线负责东谈主盖坤曾在不雷同式暗示：

咱们的初心，是让每个东谈主都能用AI讲出好的故事，咱们也深刻地但愿这一天更快到来。

在可灵AI年末的这一系列更新中体育游戏app平台，咱们感受到，这一天更近了。