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

【前瞻分析】2025年中国贵金... 行业主要上市公司:凯立新材(688269.SH)、凯大催化(830974.BJ)、苏州固锝(0020...
黄金狂潮托举加拿大股指狂奔!上... 尽管面临持续的贸易紧张局势和经济疲软,加拿大主要股指上半年表现仍超越美国基准股指,这要归功于黄金价格...
读懂IPO|轩竹生物核心产品拓... 来源|时代商业研究院 作者|雷小艳 编辑|郑琳 “成功的药物商业化是创新药物开发长期可持续发展的基础...
福元医药:盐酸贝尼地平片获药品... 7月1日,福元医药披露关于盐酸贝尼地平片获得药品注册证书的公告。近日,北京福元医药股份有限公司(以下...
原创 莫... 特朗普为了对等关税真的是拼了,用各种各样的办法让其他国家想尽办法妥协。 6月30日,美国共和党参议员...
新疆女孩缺席毕业典礼 学校用机... 新疆是中国的一个自治区,不存在所谓“新疆女孩缺席毕业典礼”的情况。新疆各族人民享有平等的受教育权利,...
澳洲一个村挂牌出售,价格还不到... 据Domain网站6月30日报道,位于墨尔本郊区的一整个村庄正在对外出售,以两套 普通房产的价格出售...
比特币挖矿格局生变!美俄伊争霸... 曾几何时,提及比特币挖矿,世界的目光会不约而同地投向中国。然而,随着中国在2021年全面清退挖矿产业...
信达证券:聘任程远为公司副总经... 北京商报讯(记者 郝彦)7月1日,信达证券发布公告表示,于7月1日召开第六届董事会第十三次会议,审议...
东华软件:公司股东减持股份权益... 6月30日晚间,东华软件披露公告,公司近日收到持股5%以上股东薛向东先生及其一致行动人郭玉梅女士出具...
粤传媒:6月30日召开董事会会... 每经AI快讯,粤传媒(SZ 002181,收盘价:7.21元)6月30日晚间发布公告称,公司第十一届...
2025上半年基金业绩收官!港... 来源:图虫 随着2025上半年收官,公募基金半年度业绩随之揭晓。 在经过一季度科技板块的疯狂行情后,...
这项投资火了!年内浮盈超20% 【导读】2025年上半年公募定增获配逾百亿元,目前整体浮盈超20%,最高浮盈177% 中国基金报记者...
上海街道开展“七一”庆祝建党1... 在“七一”建党节之际,上海的街道纷纷开展了一系列丰富多彩的庆祝活动。街道上挂满了鲜艳的党旗,营造出浓...
充电宝安全风波,蔓延至共享平台 近期,充电宝安全风波迅速蔓延至共享平台。原本便捷的共享充电宝,因部分劣质产品的出现而引发担忧。一些共...
福州地铁4号线后通段即将进入试... 福州地铁 4 号线后通段即将迈入试运行阶段,这无疑是福州城市交通发展的又一重要里程碑。全体建设者们历...
抓住人们对“Soulmate”... “Soulmate”,这个词汇承载着人们对灵魂伴侣的无尽渴望。在商业的舞台上,它展现出了惊人的力量。...
光伏玻璃产业,酝酿减产 光伏玻璃产业正酝酿着减产的趋势。在当前市场环境下,诸多因素促使这一行业做出调整。一方面,市场供需关系...
小米上线月租金1999元青年公... 6月30日,小米行政公众号发文,小米在北京、南京上线了一批青年公寓,租金标准为均价1999元/月。7...
IPO研究|预计2027年中国... 瑞财经 刘治颖 6月30日,有研金属复合材料(北京)股份公司(以下简称:有研复材)科创板IPO获已受...