可靈AI全系模型進入2.0時代，正式面向全球發(fā)布全新2.0模型

4月15日，可靈AI在北京中關(guān)村國際創(chuàng)新中心舉行“靈感成真”2.0模型發(fā)布會，宣布基座模型再次升級，面向全球正式發(fā)布可靈2.0視頻生成模型及可圖2.0圖像生成模型。

數(shù)據(jù)顯示，自去年6月發(fā)布以來，可靈AI已累計完成超20次迭代，截至目前，全球用戶規(guī)模突破2200萬。來自世界各地的超1.5萬開發(fā)者和企業(yè)客戶，將可靈的API應(yīng)用于不同的行業(yè)場景中。

一直以來，可靈AI致力于提升模型基礎(chǔ)質(zhì)量，增強畫質(zhì)清晰度，并引入更多創(chuàng)新功能，以滿足用戶多樣化需求。快手高級副總裁、社區(qū)科學(xué)線負責人蓋坤表示，可靈希望讓每個人都能用AI講出好故事，實現(xiàn)更加精準的復(fù)雜創(chuàng)意表達。

1：可靈AI全系模型進入2.0時代，定義人和AI交互的全新方式

4月15日，可靈大模型2.0版本及可圖大模型2.0版本正式面向全球發(fā)布。據(jù)悉，可靈2.0模型在動態(tài)質(zhì)量、語義響應(yīng)、畫面美學(xué)等維度，保持全球領(lǐng)先；可圖2.0模型在指令遵循、電影質(zhì)感及藝術(shù)風格表現(xiàn)等方面顯著提升。

蓋坤介紹，兩款模型在團隊內(nèi)部的多項勝負率評測中，均穩(wěn)居業(yè)內(nèi)第一。例如在文生視頻領(lǐng)域，可靈2.0對比谷歌Veo2的勝負比為205%，對比Sora的勝負比達367%，在文字相關(guān)性、畫面質(zhì)量、動態(tài)質(zhì)量等維度上顯著超越對手。

自去年6月發(fā)布以來，可靈AI已累計完成超20次迭代。3月27日，全球知名AI基準測試機構(gòu)Artificial Analysis發(fā)布了最新的全球視頻生成大模型榜單，快手可靈1.6pro（高品質(zhì)模式）以1000分的Arena ELO基準測試評分登陸圖生視頻（Image to Video）賽道榜首。

作為全球首個用戶可用的DiT視頻生成模型，截至目前，可靈AI全球用戶規(guī)模已突破2200萬，累計生成1.68億個視頻及3.44億張圖片素材。自去年6月上線至今的10個月時間里，可靈AI的月活用戶數(shù)量增長25倍。

（圖說：快手高級副總裁、社區(qū)科學(xué)線負責人蓋坤）

蓋坤認為，AI在輔助創(chuàng)意表達上擁有巨大潛力，但當前的行業(yè)發(fā)展現(xiàn)狀還遠遠無法滿足用戶需求，在AI生成內(nèi)容的穩(wěn)定性、以及用戶復(fù)雜創(chuàng)意的精確傳達上仍有“很多挑戰(zhàn)”。也因此，要真正實現(xiàn)“用AI講好每一個故事”的愿景，必須對基模型能力進行全方位提升，定義人和AI交互的“全新語言”。

一直以來，可靈AI致力于提升模型基礎(chǔ)質(zhì)量和模型效果，并引入更多創(chuàng)新功能，以滿足用戶的多樣化需求。在本次2.0模型的迭代中，可靈AI正式發(fā)布AI視頻生成的全新交互理念Multi-modal Visual Language（MVL），讓用戶能夠結(jié)合圖像參考、視頻片段等多模態(tài)信息，將腦海中包含身份、外觀、風格、場景、動作、表情、運鏡在內(nèi)的多維度復(fù)雜創(chuàng)意，直接高效地傳達給AI。

“大家應(yīng)該很自然地會感受到文字在表達影像信息時，是不完備的。我們需要有新的方式，能讓人真正精準地表達出心中所想。”蓋坤指出，MVL由TXT（Pure Text，語義骨架）和MMW（Multi-modal-document as a Word，多模態(tài)描述子）組成，能從視頻生成設(shè)定的基礎(chǔ)方向以及精細控制這兩個層面，精準實現(xiàn)AI創(chuàng)作者們的創(chuàng)意表達。

基于MVL理念，可靈AI正式推出多模態(tài)編輯功能。“從今天起，大家可以在可靈AI的平臺上體驗我們的多模態(tài)編輯能力。用戶可以非常直接地把自己的想法用圖像等方式表作為輸入，生成符合自己想法的創(chuàng)意視頻。”蓋坤介紹，MMW（多模態(tài)描述子）將不只局限于圖片和視頻，也可以引入其它模態(tài)的信息，例如聲音、運動軌跡等，讓用戶實現(xiàn)更加豐富的表達。

（圖說：“靈感成真”可靈AI2.0發(fā)布會現(xiàn)場）

2：可靈2.0大師版正式發(fā)布，全新上線多模態(tài)視頻編輯功能

基于MVL這一全新交互方式，發(fā)布會現(xiàn)場，快手副總裁、可靈AI負責人張迪發(fā)布了全新的可靈2.0大師版，在語義響應(yīng)、動態(tài)質(zhì)量、畫面美學(xué)等方面顯著提升生成效果。

“可靈2.0大師版不僅僅是一次簡單的技術(shù)升級，更是一次全方位的體驗躍升。”張迪介紹，可靈2.0大師版實現(xiàn)了技術(shù)、體驗、美學(xué)的三重突破。

（圖說：快手副總裁、可靈AI負責人張迪）

值得一提的是，可靈2.0大師版全面升級視頻及圖像創(chuàng)作可控生成與編輯能力，上線全新的多模態(tài)視頻編輯功能，能靈活理解用戶意圖。支持在一段視頻的基礎(chǔ)之上，通過輸入圖片或文字，對生成的視頻內(nèi)容實現(xiàn)元素的增加、刪減、替換，幫助創(chuàng)作者們實現(xiàn)更加靈活的二次編輯和處理。

（圖說：可靈2.0大師版操作界面）

張迪披露，當前，圖生視頻約占到可靈AI視頻創(chuàng)作量的85%，圖片質(zhì)量也對視頻的生成效果產(chǎn)生重要作用。

在圖像生成大模型領(lǐng)域，快手的可圖2.0處于行業(yè)領(lǐng)先水平，擁有多項核心優(yōu)勢，諸如強大的復(fù)雜語義理解能力、電影級的畫面質(zhì)感、多條件的可控風格化生成等。在團隊內(nèi)部的多項勝負率評測中，相較于Midjourney V7、FLUX1.1 [pro]以及Reve等行業(yè)領(lǐng)先的圖像模型，均保持明顯優(yōu)勢。

張迪介紹，可圖2.0文生圖能力迎來全面升級。包括大幅提升指令遵循能力、顯著增強電影美學(xué)表現(xiàn)力以及更多元的藝術(shù)風格。在風格化響應(yīng)上，可圖2.0可支持60多種風格化的效果轉(zhuǎn)繪，模型出圖創(chuàng)意和想象力實現(xiàn)大幅躍升。

同時，可圖2.0也上線了實用的圖像可控編輯功能——局部重繪和擴圖，支持圖片的增加、修改和修復(fù)。在圖像的多模態(tài)可控生成中，可圖2.0還上線了全新的風格轉(zhuǎn)繪功能，只需要上傳一張圖片加上風格描述，就能一鍵切換圖片的藝術(shù)風格，同時精準保留原圖的語義內(nèi)容。

3：AIGC技術(shù)迅猛發(fā)展，為全行業(yè)發(fā)展注入全新活力

除了C端訂閱用戶，可靈AI也面向B端商家提供API接入等服務(wù)。目前，可靈AI已與包括小米、亞馬遜云科技、阿里云、Freepik、藍色光標等在內(nèi)的數(shù)千家國內(nèi)外企業(yè)客戶建立了合作關(guān)系。

蓋坤披露，來自世界各地的超1.5萬開發(fā)者，已將可靈的API應(yīng)用于不同的行業(yè)場景中，累計生成的圖像數(shù)量約1200萬個，生成的視頻素材超過4000萬個。

如今，可靈正在成為AI時代視頻創(chuàng)作的新基礎(chǔ)設(shè)施。AIGC技術(shù)的迅猛發(fā)展，也正在重構(gòu)包括廣告營銷、專業(yè)創(chuàng)作、影視、娛樂創(chuàng)意等在內(nèi)的多個行業(yè)。

以二次元AI創(chuàng)作社區(qū)產(chǎn)品貍譜為例，其產(chǎn)品負責人一休介紹，可靈AI為貍譜帶來了創(chuàng)新突破。其1.6版本在人物運動流暢度、鏡頭移動等方面展現(xiàn)出卓越性能，助力貍譜成功接入“動態(tài)LIVE”和“新春萌偶搖”兩大功能。前者實現(xiàn)“圖 - 影 - 音”快速創(chuàng)作，后者在春節(jié)期間引發(fā)60萬用戶轉(zhuǎn)播。未來，雙方將基于貍譜的優(yōu)質(zhì)內(nèi)容數(shù)據(jù)與可靈的算法能力，打造動畫模型，推動AI成為內(nèi)容引擎，并共同孵化優(yōu)質(zhì)創(chuàng)作者，構(gòu)建更活躍的創(chuàng)作生態(tài)，攜手開啟二次元內(nèi)容產(chǎn)業(yè)的新篇章。

“可靈AI可全面融入劇集級創(chuàng)作流程”。可靈AI超級創(chuàng)作者、《新世界加載中》總導(dǎo)演、異類Outliers創(chuàng)始人陳翔宇在分享中介紹，AIGC相較于實拍和動畫，不僅是效率的提升，更是試錯空間的革命性釋放。

從劇本創(chuàng)作到內(nèi)容發(fā)行，異類Outliers團隊完成了一次完整的影像工業(yè)化創(chuàng)作流程，覆蓋從美學(xué)表達到鏡頭結(jié)構(gòu)，再到復(fù)雜動作場景與細節(jié)的全面呈現(xiàn)。“我們實踐之后發(fā)現(xiàn)，可靈AI是一個能夠穩(wěn)定、大規(guī)模嵌入劇集創(chuàng)作流程的生成式協(xié)作大模型。”陳翔宇認為，在AI的輔助下，導(dǎo)演及編劇團隊的大量內(nèi)容創(chuàng)意也實現(xiàn)了更富有想象力的表達，“AIGC也許是下一代內(nèi)容結(jié)構(gòu)的雛形”。

（圖說：可靈AI超級創(chuàng)作者、《新世界加載中》總導(dǎo)演、異類Outliers創(chuàng)始人陳翔宇）

為了進一步激發(fā)AI愛好者們的創(chuàng)作熱情，快手副總裁、可靈AI負責人張迪還在發(fā)布會現(xiàn)場正式發(fā)起“可靈AI NextGen 新影像創(chuàng)投計劃”。該計劃將加大對于AIGC創(chuàng)作者的扶持力度，通過千萬資金投入、全球宣發(fā)、IP打造和保障，以全資出品、聯(lián)合出品和技術(shù)支持等靈活多樣的合作方式，讓AI好故事走向世界。同時，可靈AI面向全球創(chuàng)作者發(fā)出征集邀約，邀請用戶共同打造全球首支用戶共創(chuàng)AI創(chuàng)意短片，讓創(chuàng)作者的靈感和創(chuàng)意登陸上海、香港、東京、巴黎、多倫多等世界多地廣告大屏。

面向未來，蓋坤表示，可靈AI將持續(xù)大力推動技術(shù)創(chuàng)新，用人與AI交互的全新語言，幫助用戶實現(xiàn)復(fù)雜創(chuàng)意的精確表達，“我們的初心，是讓每個人都能用AI講出好的故事，我們也真切地希望這一天更快到來”。