圖片由可靈AI生成，提示詞為本文標題。

4月15日，獲悉，可靈AI宣布基座模型升級，面向全球正式發布可靈2.0視頻生成模型及可圖2.0圖像生成模型。

可靈是，其2.0版本的模型在動態質量、語義響應和畫面美學做了相應提升，而可圖2.0模型主要集中在指令遵循、電影質感及藝術風格表現等方面。

可靈AI官方披露，截至目前，全球用戶規模已經突破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月上線以來，10個月內，可靈AI的月活用戶數量增長25倍。

“去年3、4月的時候，當我在內部看到可靈第一個DiT模型的產出結果時，我心中涌現出一個想法，什么時候我能夠用AI把我心目中的《三體》拍攝出來。”快手高級副總裁、社區科學線負責人蓋坤在發布會現場表示。

在視頻生成方向上，觀察到，可靈AI正在朝著電影工業級美學上演進，然而，當前行業模型發展，遠遠無法符合這一需求，AI在生成內容的穩定性及用戶復雜創意的傳達上，仍有很多缺陷。

蓋坤發現，各家視頻模型都存在一些共性問題，主要來自兩方面：一是，語義分析能力問題，創作者們的文字表達，有的時候，AI不能很精準地輸出和控制生成結果；二是，動態質量的問題，通常是物體運動過快，或者不符合物理規律。

他認為，必須對基模型能力進行全方位提升。

在2.0模型中，可靈AI提出了AI視頻生成的新的交互理念Multi-modal Visual Language（MVL），讓用戶能夠結合圖像參考和視頻片段等多模態信息，將腦海中包含身份、外觀、風格、場景、動作、表情、運鏡在內的多維度復雜創意，直接傳達給AI。

MVL由TXT（Pure Text，語義骨架）和MMW（Multi-modal-document as a Word，多模態描述子）組成，能從視頻生成設定的基礎方向，以及精細控制這兩個層面，實現AI創作者們的創意表達。

基于MVL理念，可靈AI正式推出多模態編輯功能。據蓋坤介紹，MMW（多模態描述子）將不只局限于圖片和視頻，也可以引入其他模態的信息，例如聲音和運動軌跡等。

與此同時，基于MVL這一全新交互方式，可靈AI還發布了可靈2.0大師版，在語義響應、動態質量和畫面美學等方面提升生成效果。

可靈2.0大師版升級了視頻及圖像創作可控生成與編輯能力，上線新的多模態視頻編輯功能，能靈活理解用戶意圖，支持在一段視頻的基礎之上，通過輸入圖片或文字，對生成的視頻內容實現元素的增加、刪減、替換，讓創作者可以二次編輯和處理。

據快手副總裁、可靈AI負責人張迪披露，當前，圖生視頻約占到可靈AI視頻創作量的85%，圖片質量對視頻的生成效果有重要作用。

在圖像生成大模型領域，可圖2.0的優勢體現在復雜語義理解能力，電影級的畫面質感，以及多條件的可控風格化生成等。

新升級的可圖2.0版本，提升了指令遵循能力、增強電影美學表現力以及更多元的藝術風格。在風格化響應上，可圖2.0支持60多種風格化的效果轉繪。

同時，可圖2.0上線了圖像可控編輯功能，即，局部重繪和擴圖，支持圖片的增加、修改和修復。在圖像的多模態可控生成中，可圖2.0上線了新的風格轉繪功能，用戶上傳一張圖片加上風格描述，能一鍵切換圖片的藝術風格，同時保留原圖的語義內容。

除了C端訂閱用戶，可靈AI面向B端商家提供API接入等服務。蓋坤披露，來自世界各地的超過1.5萬名開發者，已將可靈的API應用于不同的行業場景中，累計生成的圖像數量約1200萬個，生成的視頻素材超過4000萬個。

此外，可靈AI還發布了“可靈AI NextGen 新影像創投計劃”，計劃加大對AIGC創作者的扶持力度，并通過千萬資金投入、全球宣發、IP打造和保障，以全資出品、聯合出品和技術支持等合作方式，激發AI愛好者們的創作熱情。（本文首發于，作者｜李程程）