“中國版Sora”來了！可生成2分鐘1080P視頻，來看效果……

每經編輯｜杜宇

據新華社，近日，快手“可靈”視頻生成大模型官網正式上線。相較此前各家放出的視頻大模型以展示視頻為主，本次亮相的可靈大模型已在快手旗下的快影App開放邀測體驗。

圖片來源：可靈大模型官網

據官網介紹，快手在短視頻視頻技術方面有多年的深入積累，其視頻生成大模型也有天然、廣泛的應用場景。可靈大模型為快手AI團隊自研，具備諸多優勢：能夠生成大幅度的合理運動；能夠模擬物理世界特性；具備強大的概念組合能力和想象力；生成的視頻分辨率高達1080p，時長高達2分鐘（幀率30fps），且支持自由的寬高比。

“可靈”大模型為快手AI團隊自研，基于快手在視頻技術方面的多年積累，采用“Sora”相似的技術路線，結合多項自研技術創新，效果對標“Sora”。

據悉，可靈使用了與Sora一樣的Diffusion Transformer架構，3D時空聯合注意力機制等，該架構巧妙地融合了時間與空間的信息，對視頻數據進行綜合分析和處理。

可精準捕捉到視頻幀內的局部空間特征以及跨幀的時間動態特征，從而更全面地理解和再現視頻中的運動信息。

所以，無論是快速移動的物體、劇烈變化的場景，還是復雜的人物動作都能被精確捕捉，使得生成的視頻內容動態性十足，同時具有很高的物理世界真實感。

讓我們一睹官方效果，動圖截取有壓縮，畫質遜于展示視頻，效果以官網為準。

提示詞：兩朵花在黑色背景下緩慢綻放，展示出細膩的花瓣和花蕊

提示詞：一只戴眼鏡的小白兔坐在咖啡館的椅子上看報紙，桌上有一杯熱咖啡

提示詞：一只手將牛奶從鋼制打奶壺倒入桌上一杯咖啡中，背景為模糊的廚房

基于對文本-視頻語義的深刻理解和 Diffusion Transformer 架構的強大能力，可靈能夠將用戶豐富的想象力轉化為具體的畫面，虛構真實世界中不會出現的的場景。

基于自研的3D人臉和人體重建技術，結合背景穩定性和重定向模塊，實現表情肢體全驅動技術，僅需一張全身照片，即可體驗生動的“唱跳”玩法。

公開資料顯示，快手已先后發布通用大語言模型“快意”、文生圖大模型產品“可圖”，還推出了Direct-a-Video、Video-LaVIT、I2V-Adapter、UNIAA等視頻關鍵技術，引發了廣泛關注。據悉，伴隨此次可靈大模型的發布，快手將持續加速大模型的研發與應用，帶來更加多元的AI創作與互動體驗。

每日經濟新聞綜合新華社、公開資料