可灵AI全系发布2.0更新，视频及图像可控生成与编辑能力再升级，全球用户数突破2200万

作者

4月15日，快手可灵AI在北京中关村国际创新中心举行“灵感成真”2.0模型发布会，宣布基座模型再次升级，面向全球正式发布可灵2.0视频生成模型及可图2.0图像生成模型。

数据显示，自去年6月发布以来，可灵AI已累计完成超20次迭代，截至目前，全球用户规模突破2200万。来自世界各地的超1.5万开发者和企业客户，将可灵的API应用于不同的行业场景中。
文章转载自可灵AI 官方稿件。


Founder Park 正在搭建开发者社群，邀请积极尝试、测试新模型、新技术的开发者、创业者们加入，请扫码详细填写你的产品/项目信息，通过审核后工作人员会拉你入群～
进群之后，你有机会得到：

  • 高浓度的主流模型（如 DeepSeek 等）开发交流；

  • 资源对接，与 API、云厂商、模型厂商直接交流反馈的机会；

  • 好用、有趣的产品/案例，Founder Park 会主动做宣传。


01

全系模型进入2.0时代，

定义人和AI交互的全新方式

4月15日，可灵大模型2.0版本及可图大模型2.0版本正式面向全球发布。可灵2.0模型在动态质量、语义响应、画面美学等维度，保持全球领先；可图2.0模型在指令遵循、电影质感及艺术风格表现等方面显著提升。
盖坤介绍，两款模型在团队内部的多项胜负率评测中，均稳居业内第一。例如在文生视频领域，可灵2.0对比谷歌Veo2的胜负比为205%，对比Sora的胜负比达367%，在文字相关性、画面质量、动态质量等维度上显著超越对手。
自去年6月发布以来，可灵AI已累计完成超20次迭代。3月27日，全球知名AI基准测试机构Artificial Analysis发布了最新的全球视频生成大模型榜单，快手可灵1.6pro（高品质模式）以1000分的Arena ELO基准测试评分登陆图生视频（Image to Video）赛道榜首。
作为全球首个用户可用的DiT视频生成模型，截至目前，可灵AI全球用户规模已突破2200万，累计生成1.68亿个视频及3.44亿张图片素材。自去年6月上线至今的10个月时间里，可灵AI的月活用户数量增长25倍。


（快手高级副总裁、社区科学线负责人盖坤）

盖坤认为，AI在辅助创意表达上拥有巨大潜力，但当前的行业发展现状还远远无法满足用户需求，在AI生成内容的稳定性、以及用户复杂创意的精确传达上仍有“很多挑战”。也因此，要真正实现“用AI讲好每一个故事”的愿景，必须对基模型能力进行全方位提升，定义人和AI交互的“全新语言”。
一直以来，可灵AI致力于提升模型基础质量和模型效果，并引入更多创新功能，以满足用户的多样化需求。在本次2.0模型的迭代中，可灵AI正式发布AI视频生成的全新交互理念Multi-modal Visual Language（MVL），让用户能够结合图像参考、视频片段等多模态信息，将脑海中包含身份、外观、风格、场景、动作、表情、运镜在内的多维度复杂创意，直接高效地传达给AI。
“大家应该很自然地会感受到文字在表达影像信息时，是不完备的。我们需要有新的方式，能让人真正精准地表达出心中所想。”盖坤指出，MVL由TXT（Pure Text，语义骨架）和MMW（Multi-modal-document as a Word，多模态描述词）组成，能从视频生成设定的基础方向以及精细控制这两个层面，精准实现AI创作者们的创意表达。
基于MVL理念，可灵AI正式推出多模态编辑功能。“从今天起，大家可以在可灵AI的平台上体验我们的多模态编辑能力。用户可以非常直接地把自己的想法用图像等方式作为输入，生成符合自己想法的创意视频。”盖坤介绍，MMW（多模态描述词）将不只局限于图片和视频，也可以引入其它模态的信息，例如声音、运动轨迹等，让用户实现更加丰富的表达。

02

全新上线多模态视频编辑功能

基于MVL这一全新交互方式，发布会现场，快手副总裁、可灵AI负责人张迪发布了全新的可灵2.0大师版，在语义响应、动态质量、画面美学等方面显著提升生成效果。
“可灵2.0大师版不仅仅是一次简单的技术升级，更是一次全方位的体验跃升。”张迪介绍，可灵2.0大师版实现了技术、体验、美学的三重突破。

（快手副总裁、可灵AI负责人张迪）

值得一提的是，可灵2.0大师版全面升级视频及图像创作可控生成与编辑能力，上线全新的多模态视频编辑功能，能灵活理解用户意图。支持在一段视频的基础之上，通过输入图片或文字，对生成的视频内容实现元素的增加、删减、替换，帮助创作者们实现更加灵活的二次编辑和处理。

（可灵2.0大师版操作界面）

张迪披露，当前，图生视频约占到可灵AI视频创作量的85%，图片质量也对视频的生成效果产生重要作用。
在图像生成大模型领域，快手的可图2.0处于行业领先水平，拥有多项核心优势，诸如强大的复杂语义理解能力、电影级的画面质感、多条件的可控风格化生成等。在团队内部的多项胜负率评测中，相较于Midjourney V7、FLUX1.1 [pro]以及Reve等行业领先的图像模型，均保持明显优势。
张迪介绍，可图2.0文生图能力迎来全面升级。包括大幅提升指令遵循能力、显著增强电影美学表现力以及更多元的艺术风格。在风格化响应上，可图2.0可支持60多种风格化的效果转绘，模型出图创意和想象力实现大幅跃升。
同时，可图2.0也上线了实用的图像可控编辑功能——局部重绘和扩图，支持图片的增加、修改和修复。在图像的多模态可控生成中，可图2.0还上线了全新的风格转绘功能，只需要上传一张图片加上风格描述，就能一键切换图片的艺术风格，同时精准保留原图的语义内容。

03

超 1.5 万开发者，

生成视频超 4000 万

除了C端订阅用户，可灵AI也面向B端商家提供API接入等服务。目前，可灵AI已与包括小米、亚马逊云科技、阿里云、Freepik、蓝色光标等在内的数千家国内外企业客户建立了合作关系。
盖坤披露，来自世界各地的超1.5万开发者，已将可灵的API应用于不同的行业场景中，累计生成的图像数量约1200万个，生成的视频素材超过4000万个。
如今，可灵正在成为AI时代视频创作的新基础设施。AIGC技术的迅猛发展，也正在重构包括广告营销、专业创作、影视、娱乐创意等在内的多个行业。
以二次元AI创作社区产品狸谱为例，其产品负责人一休介绍，可灵AI为狸谱带来了创新突破。其1.6版本在人物运动流畅度、镜头移动等方面展现出卓越性能，助力狸谱成功接入“动态LIVE”和“新春萌偶摇”两大功能。前者实现“图 – 影 – 音”快速创作，后者在春节期间引发60万用户转播。未来，双方将基于狸谱的优质内容数据与可灵的算法能力，打造动画模型，推动AI成为内容引擎，并共同孵化优质创作者，构建更活跃的创作生态，携手开启二次元内容产业的新篇章。
“可灵AI可全面融入剧集级创作流程”。可灵AI超级创作者、《新世界加载中》总导演、异类Outliers创始人陈翔宇在分享中介绍，AIGC相较于实拍和动画，不仅是效率的提升，更是试错空间的革命性释放。
从剧本创作到内容发行，异类Outliers团队完成了一次完整的影像工业化创作流程，覆盖从美学表达到镜头结构，再到复杂动作场景与细节的全面呈现。“我们实践之后发现，可灵AI是一个能够稳定、大规模嵌入剧集创作流程的生成式协作大模型。”陈翔宇认为，在AI的辅助下，导演及编剧团队的大量内容创意也实现了更富有想象力的表达，“AIGC也许是下一代内容结构的雏形”。

（可灵AI超级创作者，《新世界加载中》总导演，异类Outliers创始人陈翔宇）

为了进一步激发AI爱好者们的创作热情，快手副总裁、可灵AI负责人张迪还在发布会现场正式发起“可灵AI NextGen 新影像创投计划”。该计划将加大对于AIGC创作者的扶持力度，通过千万资金投入、全球宣发、IP打造和保障，以全资出品、联合出品和技术支持等灵活多样的合作方式，让AI好故事走向世界。同时，可灵AI面向全球创作者发出征集邀约，邀请用户共同打造全球首支用户共创AI创意短片，让创作者的灵感和创意登陆上海、香港、东京、巴黎、多伦多等世界多地广告大屏。
面向未来，盖坤表示，可灵AI将持续大力推动技术创新，用人与AI交互的全新语言，帮助用户实现复杂创意的精确表达，“我们的初心，是让每个人都能用AI讲出好的故事，我们也真切地希望这一天更快到来”。

图片

（文：Founder Park）

发表评论