可灵AI 2.0首发实测
创始人
2025-04-15 17:22:45
0

请你提供具体的“灵 AI 2.0 首发实测”相关内容呀,比如它在哪些方面的表现、有哪些独特之处等,没有这些信息我没法准确进行描述呢。


在Sora之前,就已经受到全世界用户的认可的生成式视频工具是什么?可灵AI。


无需折腾剪辑软件,几分钟,就能拿到自然如实拍,画面质感如电影的动态视频。



可灵稳坐国产AI视频的头把交椅许久,从去年6月6日首次上线开放测试以来,产品快速经历了二十多个版本的迭代。可灵1.6模型的图生视频内部评测,比1.5模型整体效果提升近200%,还让毛绒玩具的特效迅速出圈。




现在,可灵终于又迎来了一次重大更新:可灵2.0视频生成,以及可图2.0文生图模型。




从人物跑动、火焰燃烧的真实物理轨迹,到机械蝴蝶穿梭未来都市的奇幻场景,AI不仅能精准模拟现实世界的运动规律,更能将抽象文字转化为惊艳的动态画面。


APPSO第一时间来到发布会现场,本次的更新亮点包括


1. 可灵、可图模型层面更新,快手结合多项自研技术创新,画面美学、语义响应和动态质量大幅度提升。2.0全面升级了训练和推理策略,尤其是强化了对于复杂运动主体交互滤镜、构图术语等专业的表达和理解响应。


2. 精准微调功能。可灵新增了“多模态编辑”功能,支持在一段5s的视频的基础上,输入图片/文字,对视频进行灵活、精准的修改和再创作。在图片生成中还新增了“图片编辑”及“风格转绘”功能。


3. AI音效生成,根据影像内容结合文字prompt,生成适配的音效片段


另外,我们还提前体验了内测,除了震撼于新模型的强大之外,也发现了一些使用小技巧,帮助你体验这款强大的生成+编辑工具。



不止是多模态功能,更是一种语言


仅仅使用文字作为和AI沟通的语言,显然不足够,只能有限描述脑海中的想法。配合图片,准确程度提高一层。再结合动态影像,又更上一层楼。


这些,共同形成了MVL:Multi-modal Visual Language,一种全新的交互“语言”。MVL=TXT语义骨架+MMW多模态描述子,即通过文本+动作描述文件,生成精细的视频成片。


这套语言形成了可灵2.0中新增的“多模态编辑”功能。包括三种模式:替换、增加和删除。



在可灵的创意社区,我们发现了一个来自可灵用户制作的视频,堪称现实主义创作。



不过嘛,既然是现实主义题材,还可以再写实一点:应该让川普和马斯克,去工厂里装手机。


这就是“多模态编辑”大展身手的时刻了,我们先来把缝纫机删掉。通过下方的文字输入框,@具体的图片和部分,进一步明确需要改动的内容。


at的设计很符合用户直觉,尤其是多个素材的情况下,能更方便地用文字指出要改动的对象



注意!点击编辑,会弹出笔刷编辑界面。在这里,可以通过用涂抹的方式,选择要替换的具体区域——一定要在时间线上选几个点,才能保证覆盖到整个视频。




可以看到,在涂抹和文字prompt的双重保险下,单个元素能被删得干干净净。



替换模式就有更多可玩的了,除了修改原视频,还可以结合图片。



不是要让这俩人去装手机吗?把手机流水线的图片导入,进入选择主题界面,框出具体的部分。



大功告成!


在可灵2.0版本中,“多模态”不仅是一个新功能,更是一种全新的互动语,更充分地开发和调用模型的能力,作用于实际的创作工作流。


从生成到编辑,全链路的创作工作流


如果说“多模态编辑”满足的是影像从业者,在精细调优方面的要求,那可图2.0以及可灵的图生视频模式,就是造福所有人民群众的。


图生视频占到使用比例的85%,是更为可用的手段。再搭配视频模态微调,就能实现一次跑完所有流程


比如,先拿胶布人形象图,生成当下最流行的3D玩偶版本。



然后直接生成视频——没错,手指和动作,只是一句话即可生成。




文字prompt随意更改,镜头视角调整后,又是一支新片。




截取《清明上河图》的一段画面,交给可灵2.0即可,汴河水波荡漾,船只随流水轻摇,岸边行人熙熙攘攘。近千年前的社会风貌“焕发生机”。



灯火通明,丝竹乱耳,宾客们酒杯叮当,《韩熙载夜宴图》的主人公半醉半醒的场景也在可灵AI 2.0的帮助下得到了很好的还原。动态质量和运动幅度,都和素材的题材相当符合



OpenAI创始团队已然分崩离析,但聚是一团火,散是满天星,下面这张经典的合照倒也很符合OpenAI当下的处境。



Sam Altman与马斯克的恩怨纠葛早已是科技圈的谈资,两人没少针锋相对,我们也用AI“重现”了他俩干架的名场面。



从动作的流畅性可以看出可灵2.0在时序响应上的能力,动作符合逻辑、连贯自然。


下一代创作工具,已经到来


显然,可灵推出2.0版本,不仅为了展示技术上的进步,也是对理念的再阐述:全新的功能,全新的语言,全新的能力。


在设计了全新的DiT架构之后,视觉模态和文本模态的融合更加对齐。同时,这次的更新背后是对后训练的大量探索。


在预训练阶段,可灵团队通过精准的建模与训练和视觉标注的映射,让文本和图像的对齐做得更好。在后训练阶段,可灵还利用强化学习提升了多模态推理能力。


不过,更重要的是,可灵所秉承的“让灵感成真”理念,使得使用体验成为整个产品的中心。


模型能力并不是炫技的武器,也不是秀肌肉的手段,而是需要实在地进入用户的工作流当中,让每个创作者,无论经验如何,都能以简单的方式、便捷的工具,讲好自己心中的故事。


本文来自微信公众号:APPSO (ID:appsolution),作者:APPSO

相关内容

热门资讯

郑氏点银:黄金短期继续看调整不... 郑氏点银:黄金短期继续看调整不变,今晚二次看跌 回顾昨日行情走势及出现的技术点: 第一,黄金方面:这...
94岁“股神”巴菲特未退休,确... 2025年5月3日,伯克希尔・哈撒韦股东大会将在美国奥马哈市举行。今年恰逢巴菲特收购伯克希尔公司60...
飞利信(300287)2024... 据证券之星公开数据整理,近期飞利信(300287)发布2024年年报。截至本报告期末,公司营业总收入...
上海车模兴衰史 上海车模曾在汽车展览等领域风光一时。早期,车模以其精致的妆容、婀娜的身姿,为车展增添了一抹亮丽色彩,...
企业家如何学会好好说话? 企业家要学会好好说话,需从多方面努力。首先,注重倾听,放下自我,用心去理解他人的观点和需求,这是良好...
原创 董... “内生式创新”在成熟产业中能够发挥优势,在新兴领域或容易陷入“技术孤岛” 据第一财经报道,近日,在格...
明星代言花掉71%利润,溜溜梅... 在如今的商业世界中,明星代言现象屡见不鲜。然而,有数据显示,某明星代言竟花掉企业 71%的利润,这一...
“比较优势已死”的年代如何和盟... 在“比较优势已死”的年代,与盟友正确共生需重视多方面。首先,应摒弃传统以单一优势论的合作模式,注重彼...
华致酒行(300755)202... 据证券之星公开数据整理,近期华致酒行(300755)发布2025年一季报。截至本报告期末,公司营业总...
利君股份(002651)202... 据证券之星公开数据整理,近期利君股份(002651)发布2025年一季报。截至本报告期末,公司营业总...
“特朗普衰退”引爆美国社交媒体... 财联社4月27日讯(编辑 史正丞)面对美国总统特朗普滥施关税引发的经济衰退忧虑,大量美国网民正在社交...
经济日报:民间投资回暖释放积极... 伴随着政策春风,民间投资迎来“复苏”。最新数据显示,一季度,我国民间投资同比增长0.4%,结束了此前...
消费品以旧换新如何精准补贴?这... 记者从市场监管总局了解到,中国物品编码中心统计数据显示,目前,我国商品条码用户数量达到60.42万家...
14死700多伤、大火延烧、调... 当地时间26日,伊朗南部阿巴斯港市沙希德拉贾伊港口发生爆炸。总台记者当地时间26日晚获悉,伊朗内政部...
米村拌饭刮骨疗伤 “米村拌饭刮骨疗伤”,这仿佛是一场独特的美食与坚韧的交融。在米村拌饭的世界里,那一碗碗色彩斑斓的食材...
原创 周... 上次周评《突破下跌趋势线的机会出现,能否抓住得看成交量了》主要观点:目前中期走坏,但已见底,非牛非熊...
政治局会议深读|首提“持续巩固... 中共中央政治局4月25日召开会议,分析研究当前经济形势和经济工作。 在房地产领域,会议指出,要持续用...
拉卡拉2025年一季度跨境支付... 中国网财经4月25日讯 4月24日晚,拉卡拉发布2024年业绩报告和2025一季度业绩报告,2024...
深交所修订《股票上市规则》及配... 人民财讯4月25日电,近日,经中国证监会批准,深交所修订发布主板、创业板《股票上市规则》(以下合称《...
原创 1... 导语 2025年4月,全球“淘宝热”蔓延。随着特朗普政府宣布加征关税,海外消费者纷纷绕过中间商,直接...