可靈AI進入2.0時代 快手帶來「多模態視覺語言」

新京報貝殼財經訊（記者羅亦丹）「相信我，這是你能用到的最強大的視覺生成模型。」4月15日，快手高級副總裁、社區科學線負責人蓋坤在可靈2.0模型發佈會上說。

這是在可靈1.0發佈10個月後，快手方面對可靈全系模型的一次重要升級，包括文生圖影片「可圖大模型2.0」，以及影片生成大模型「可靈大模型2.0」。蓋坤介紹，可靈2.0模型在動態質量、語義響應、畫面美學等維度，保持全球領先；可圖2.0模型在指令遵循、電影質感及藝術風格表現等方面顯著提升。

貝殼財經記者注意到，可靈2.0還上線了一種可以將文字、圖片、短影片甚至MMW等不同格式文件結合起來一起編輯的新交互模式「MVL（Multi-modal Visual Language直譯為多模態視覺語言）」。

據瞭解，當前影片生成主要分文生影片和圖生影片兩種，快手副總裁、可靈AI負責人張迪就披露，85%的影片創作通過圖生影片完成。有AI創作者告訴記者，當前業界主流的影片製作方式是首先通過文字生成圖片，再通過圖片生成影片。

而在蓋坤的演示中，通過MVL方式，用戶能夠結合圖像參考、影片片段等多模態信息，將腦海中的多維度複雜創意傳達給AI，而不僅僅是文字的提示語句。如下圖所示，用戶使用AI生成影片時，在提示詞中也可以夾帶圖片或影片。

「我們的理念是致力於研發很強大的基礎模型，同時致力於定義一個人和AI更完備的溝通方式，而這背後，我們的願景是讓每個人都能用AI講出好故事，希望這個願望早日成真。」蓋坤說。

編輯 陳莉 校對 柳寶慶