在 Sora 之前，就已經受到全世界用戶的認可的生成式視頻工具是什么？——可靈 AI。

無需折騰剪輯軟件，幾分鐘，就能拿到自然如實拍，畫面質感如電影的動態視頻。

?

?

可靈穩坐國產 AI 視頻的頭把交椅許久，從去年 6 月 6 日首次上線開放測試以來，產品快速經歷了二十多個版本的迭代。可靈 1.6 模型的圖生視頻內部評測，比 1.5 模型整體效果提升近 200%，還讓毛絨玩具的特效迅速出圈。

現在，可靈終于又迎來了一次重大更新：可靈 2.0 視頻生成，以及可圖 2.0 文生圖模型。

從人物跑動、火焰燃燒的真實物理軌跡，到機械蝴蝶穿梭未來都市的奇幻場景，AI 不僅能精準模擬現實世界的運動規律，更能將抽象文字轉化為驚艷的動態畫面。

APPSO 第一時間來到發布會現場，本次的更新亮點包括：

1.

可靈、可圖模型層面更新， 快手結合多項自研技術創新，畫面美學、語義響應和動態質量大幅度提升。2.0 全面升級了訓練和推理策略，尤其是強化了對于復雜運動主體交互濾鏡、構圖術語等專業的表達和理解響應。

2.

精準微調功能。可靈新增新增「多模態編輯」功能，支持在一段 5s 的視頻的基礎上，輸入圖片/文字，對視頻進行靈活、精準的修改和再創作。可圖新增「圖片編輯」及「風格轉繪」功能。

3.

AI 音效生成，根據影像內容結合文字prompt，生成適配的音效片段

另外，我們還提前體驗了內測，除了震撼于新模型的強大之外，也發現了一些使用小技巧，幫助你體驗這款強大的生成+編輯工具。

不止是多模態功能，更是一種語言

僅僅使用文字作為和 AI 溝通的語言，顯然不足夠，只能有限描述腦海中的想法。配合圖片，準確程度提高一層。再結合動態影像，又更上一層樓。

這些，共同形成了 MVL：Multi-modal Visual Language，一種全新的交互「語言」。MVL = TXT 語義骨架+MMW 多模態描述子，即通過文本+動作描述文件，生成精細的視頻成片。

這套語言形成了 可靈 2.0 中新增的「多模態編輯」功能。包括三種模式：替換、增加和刪除。

在可靈的創意社區，我們發現了一個來自可靈用戶制作的視頻，堪稱現實主義創作。

不過嘛，既然是現實主義題材，還可以再寫實一點：應該讓川普和馬斯克，去工廠里裝手機。

這就是「多模態編輯」大展身手的時刻了，我們先來把縫紉機刪掉。通過下方的文字輸入框，@ 具體的圖片和部分，進一步明確需要改動的內容。

at 的設計很符合用戶直覺，尤其是多個素材的情況下，能更方便地用文字指出要改動的對象。

注意！點擊編輯，會彈出筆刷編輯界面。在這里，可以通過用涂抹的方式，選擇要替換的具體區域—— 一定要時間線上選幾個點，才能保證覆蓋到整個視頻。

可以看到，在涂抹和文字 prompt 的雙重保險下，單個元素能被刪的干干凈凈。

替換模式就有更多可玩的了，除了修改原視頻，還可以結合圖片。

不是要讓這倆人去裝手機嗎？把手機流水線的圖片導入，進入選擇主題界面，框出具體的部分。

大功告成！

在可靈 2.0 版本中，「多模態」 不僅是一個新功能，更加是一種全新的互動語言，更充分地開發和調用模型的能力，作用于實際的創作工作流。

從生成到編輯，全鏈路的創作工作流

如果說「多模態編輯」滿足的是影像從業者，在精細調優方面的要求，那可圖 2.0 以及可靈的圖生視頻模式，就是造福所有人民群眾的。

圖生視頻占到使用比例的 85%，是更為可用的手段。再搭配視頻模態微調，就能 實現一次跑完所有流程。

比如，先拿膠布人形象圖，生成當下最流行的 3D 玩偶版本。

然后直接生成視頻——沒錯，手指和動作，只是一句話即可生成。

文字 prompt 隨意更改，鏡頭視角調整后，又是一支新片。

截取《清明上河圖》的一段畫面，交給可靈 2.0 即可，汴河水波蕩漾，船只隨流水輕搖，岸邊行人熙熙攘攘。近千年前的社會風貌「煥發生機」。

燈火通明，絲竹亂耳，賓客們酒杯叮當，《韓熙載夜宴圖》的主人公半醉半醒的場景也在可靈 AI 2.0 的幫助下得到了很好的還原。 動態質量和運動幅度，都和素材的題材相當符合。

OpenAI 創始團隊已然分崩離析，但聚是一團火，散是滿天星，下面這張經典的合照倒也很符合 OpenAI 當下的處境。

Sam Altman 與馬斯克的恩怨糾葛早已是科技圈的談資，兩人沒少針鋒相對，我們也用 AI「重現」了他倆干架的名場面。

動作的流暢性，可以看出可靈 2.0 在時序響應上的能力，動作符合邏輯、連貫自然。

下一代創作工具，已經到來

顯然，可靈對 2.0 版本，不僅是為了展示技術上的進步，也是理念的再闡述：全新的功能，全新的語言，全新的能力。

在全新設計了 DiT 架構之后，視覺模態和文本模態的融合更加對齊。同時，這次的更新背后是對后訓練的大量探索。

除了在預訓練階段，通過精準的建模與訓練和視視覺標注的映射，使得文本和圖像的對齊做的更好。還有在后訓練階段，通過強化學習提高多模態推理能力

不過，更重要的是，可靈所秉承的「讓靈感成真」，使得使用體驗成為整個產品的中心。

從發布到現在，有超過 2200 萬的用戶使用、肯定可靈 AI，在平臺上總共創作了 1.68 億個視頻和 3.4 億張圖片。上萬名開發者在使用可靈 AI 的 API，應用在自己的行業場景中。而這些開發者已經累計生成了 1200 萬張圖像，4000 萬個視頻。

模型能力并不是炫技的武器，也不是秀肌肉的手段，而是需要實在地進入用戶的工作流當中，讓每個創作者，無論經驗如何，都能以簡單地方式、便捷的工具，講好自己心中的故事。

我們正在招募伙伴