快手发布“可灵”视频生成大模型：开启AI视频创作新纪元

6月6日，国内短视频平台快手宣布推出了一款名为“可灵（Kling）”的视频生成大模型。这一由快手AI团队自研的创新成果，标志着我国在AI视频创作领域迈出了重要一步。可灵大模型具备多种优势，例如能够生成大幅度的合理运动，模拟物理世界的特性，以及强大的概念组合能力和想象力。

"可灵"这一创新技术，仅需通过文本输入，便能生成长达2分钟、1080P高清、每秒30帧的流畅视频。在色彩呈现、视频清晰度、动作连贯性以及对文本语义的精准理解等方面，"可灵"足以与OpenAI的Sora相媲美，并且还具备了模拟真实物理世界的技术特性。

在技术方面，可灵采用了3D时空联合注意力机制，能够更好地建模视频中的复杂时空运动。这意味着它不仅能够生成较大幅度的运动，而且这些运动更符合客观运动规律。例如，在官方给出的视频范例中，一位宇航员在月球上奔跑，随着镜头慢慢抬升，宇航员的步态和影子都能保持合理恰当。

此外，可灵大模型能够模拟真实物理世界的特性，如光影反射、流体运动、与物理世界的交互等。在一段“小男孩吃汉堡”的视频中，当男孩一口咬下去时，汉堡出现了一个大大的缺口，并在视频中一直保持。

可灵AI创新玩法--表情身体驱动

这是可灵大模型基于自研的3D人脸和人体重建技术，结合背景稳定性和重定向模块，实现表情肢体全驱动技术，仅需一张全身照片结合模板动作，即可体验生动的“唱跳”玩法

"可灵" AI视频大模型的优势亮点汇总：

1. 流畅合理的运动模拟：

 "可灵"运用创新的3D时空联合注意力机制，精确捕捉并再现视频中的复杂时空动态，生成视频中大幅度的运动不仅自然，而且严格遵循物理运动法则。

2. 长达两分钟的高清视频输出：

 借助先进的基础设施、优化的推理流程和灵活的架构设计，"可灵"能够生成长达两分钟、每秒30帧的流畅视频，保证了观看体验的连贯性和高质量。

3. 真实物理特性的模拟：

 凭借自研模型架构和Scaling Law的强大建模能力，"可灵"能够逼真地模拟现实世界的物理现象，如光影效果、流体运动等，确保视频内容符合自然界的物理规律。

4. 概念组合与创意转化的能力：

 "可灵"深刻理解文本到视频的语义转换，结合Diffusion Transformer架构的先进技术，将用户的想象转化为栩栩如生的视觉画面，甚至能够创造出超脱现实的新奇场景。

5. 电影级画质视频生成：

 利用自研的3D VAE技术，"可灵"能够制作出1080p高分辨率的视频，无论是宏伟的广角画面还是精致的细节特写，都能以电影级的画质生动呈现。

6. 灵活的视频宽高比支持：

 "可灵"采用了灵活的可变分辨率训练策略，使得在视频生成过程中能够轻松适应不同的宽高比需求，满足多样化场景下的视频创作与应用。

通过这些显著优势，"可灵"不仅为视频创作带来了前所未有的便捷和高效，也开辟了AI视频生成领域的新天地。

可灵大模型已在快手旗下的快影App开放邀测体验，支持创作者申请并体验其最新的文生视频功能。随着可灵大模型的发布，快手表示将持续加速大模型的研发与应用，带来更加多元的AI创作与互动体验。

可灵视频生成大模型的发布，不仅为快手带来了新的竞争优势，也为整个AI创作领域注入了新的活力。我们期待着这一创新技术在未来的广泛应用，为用户带来更多精彩纷呈的视频内容。