编辑：泽南、杜伟
难不成，AI 天生短剧时期真的要来了？
最近，各路视频天生 AI 放出的 Demo 让人眼花缭乱。从玩梗图、拼长度再到讲究真实物理逻辑，层出不穷的人工智能创意难决牝牡，个个都要跟 Sora 试比高。这时候，溘然有人偷偷先行一步，搞出了「电影级」的表现：
从真实风格的光影效果：
来源：https://x.com/i/status/1806383419661730197
到丰富的想象力，要素完好，都能搞定：
没想到在 AI 眼里，实在是蝙蝠侠能让小丑绷不住。来源：https://x.com/blizaine/status/1806383419661730197
有的人已经在考试测验利用这种能力来完成繁芜的任务。有视频天生的 AI，音乐天生的 AI，再加上一些 PS 和 AE，我们就可以制作出完全的 MV 了。
来源：https://twitter.com/Arata_Fukoe/status/1809840865063629292
你问网友们如何看待这种天生效果，网友要反问一句「好莱坞你怎么看？」
这种 AI 视频天生的效果丝滑且风雅，吸引了一大波点赞，仔细翻看，社交网络上由它出品的短视频还有不少。
据网友总结道，新款 AI 的上风紧张表示在天生大幅度运动时不随意马虎乱脑补。再比如让它图生视频，一个奔跑的半人马：
来源：https://x.com/StevieMac03/status/1809694320649465930
这些视频背后的天生式 AI，是快手旗下的大模型「可灵 AI」（Kling），几个星期前它开始在环球互联网上刷爆，那时就号称「一号难求」。
没错，这不是先放出一些 Demo 搞 PPT 发布，而是上来就直接开放的产品级运用。现在可灵 AI 已经上线了网页版，主打一个大略好用。
最新数据，可灵 AI 的申请用户数量已经靠近 70 万，成了全网最热的视频天生大模型。
一月数次升级，可灵 AI 的狂飙式进化
今年是天生式 AI 元年，早在 2 月份，OpenAI 的 Sora 就把竞争拉到了视频天生的高度。但率先落地的还数海内科技公司。
自 6 月 6 日正式亮相以来，才一个月的韶光，快手可灵 AI 这一首个在外洋 AI 圈引起热议的国产大模型就经历了三次迭代更新。
从最开始的文生视频，到两周后支持图生视频、视频续写、多尺寸选择，可灵 AI 表现得越来越出色、全面。视频天生的各种需求，不知不觉中彷佛都被办理了。
就在上周末的天下人工智能大会 WAIC 2024 上， 可灵 AI 迎来第三次大的升级，发布了一系列新功能，在视频天生质感、美感、可玩性方面大大提升，带来了创作体验上的又一次跃升。
快手高等副总裁、快手主站业务与社区科学线卖力人盖坤先容了这次可灵 AI 升级的三大亮点功能，包括高画质版、首尾帧掌握和相机镜头掌握。
盖坤
首先，可灵 AI 根本模型再度升级，推出了更加清晰的高画质版。升级后，天生视频的画质相较于之前模型有了质的飞跃。
同时得益于更高的演习时空分辨率，可灵 AI 在天生细节、构图、运镜都雅性、光影方面都有很大改进。
从如下画质的比拟中，我们可以一览无余地看出可灵 AI 之前模型与最新模型之间的差异。
其次，可灵 AI 在图生视频领域增加了实用且呼声很高的「首尾帧掌握」功能，让首尾帧呼应的图生视频成为了现实。
通过自定义起始帧和结束帧图像，让用户精确掌握不同视频片段之间镜头的丝滑转场，实现一镜到底等效果。从实际天生结果来看，不仅动作自然流畅，画质也能够得到担保。这一功能的引入让用户拥有了更直不雅观、更便捷的编辑体验，知足了个性化的图生视频需求。
比如将如下两图天生一段视频：
效果是这样的：
末了，可灵 AI 增加了运镜掌握以及自动大师运镜功能。在视频的天下中，更多镜头的组合可以捕捉更多画面，并增强整体表现力。
可灵 AI 预设了六套经典的镜头掌握办法，包括 Roll 旋转运镜、Tilt 垂直摇镜、Pan 水平摇镜、Vertical 垂直运镜、Horizontal 水平运镜和 Zoom 推进 / 拉远，为不同场景供应了丰富的选择。用户还可以调节这些运镜的正数、负数参数，从而掌握运动的激烈或平缓程度以及反向运动等。同时，大师级运镜有助于产出电影感十足的吸睛大片。
可以看到，随着这些新功能的加入，可灵 AI 在视频清晰度、美学表现以及内容自定义掌握方面有了肉眼可见的改进。
不仅如此，正式与用户见面的可灵 AI 网页版集成了文生图、文生视频以及不久后将支持的视频编辑能力，成为发布即可用的一站式视觉内容创作平台。
个中新增的「首尾帧掌握」和「运镜掌握」功能目前在网页端供应，想要体验的小伙伴可以速速去申请了！
可灵 AI 网页版地址：klingai.kuaishou.com
用「诚意满满」来形容可灵 AI 这次的升级不为过，背后当然离不开快手在视频天生能力和技能上的持续创新打破。
「电影级」AI 天生，背后全是技能
相较于已经非常成熟的图像天生，视频天生任务更繁芜，在实际运用中要面临着真实性、动作连贯性、画面流畅性、细节精度、场景、角色和光影同等性、物理准确性以及时长限定等诸多寻衅。
这些寻衅应对得好不好，将直接决定了模型的实用性和易用性。显然，再度升级的可灵 AI 在这些方面有了洗手不干的变革。总结起来，可灵 AI 拥有七大能力亮点。
快手视觉天生与互动中央卖力人万鹏飞对这些能力逐一展开了阐发，这些构筑起可灵 AI 在视频画质、图生视频、运动天生、天生时长、物理规律、指令相应、视频可控性等方面的核心竞争力，并造就了如今全能的可灵 AI。同时，万鹏飞还对未来发展做出了展望，他表示，视频天生效果的提升速率非常快，正在逐步靠近图形渲染和相机拍摄，将会对泛视频行业带来新的机遇。
万鹏飞
实在我们已经见识过了可灵 AI 的能力，前文展示的高画质版、首尾帧掌握和相机镜头掌握新功能正是可灵 AI 在电影级高清画面天生、领先图生视频效果和精良视频天生可控性三大能力上的进一步蜕变。
个中电影级的高清画面天生能力能够高保真、生动地呈现壮阔的自然风光、人或动物的动作和表情等伟大或细微的场景，大片感十足。
领先的图生视频能力可以让静态图像动起来，转换为生动的 5 秒短视频。同时搭配不同的文本输入，让图生视频更有创意且「为所欲为」。
比如将小狗拍浮的图像转换为视频：
效果是这样的：
精良的视频天生可控性让更加风雅的视频创作掌控在用户手中。除了这次的相机镜头掌握之外，可灵 AI 未来还将在语音面部匹配、人物 ID 保持、通过大略笔画提示掌握画面和布局的演进等更多方面实现可控调度。目前模型的演习已经完成，这些功能很快就会上线。
与此同时，可灵 AI 在运动天生、天生时长、物理规律、指令相应等其他四大能力上也进一步升级。
其一可灵 AI 具有大幅度且合理的运动天生能力。通过建模繁芜的时空运动，可灵 AI 可以天生较大幅度的运动，并符合运动规律。
这次得益于更充分的模型演习，可灵 AI 天生的整体运动效果更加灵动，支持更大动作范围的同时合理性也没有削弱。如下小猫的转身、走路姿势等都刻画地非常自然合理，符合物理事实。
其二是分钟级的长视频天生能力。现在，分钟级时长已成为评价一个视频天生模型的主要指标，这哀求更有效的多镜头处理、更长的故事讲述以及更连贯同等的运动扩展能力。
目前，可灵 AI 能够天生数分钟的 1080p、30fps 视频。同时开放了遵照用户指令的视频续写功能，单次续写让视频运动延时 4 到 5 秒，还支持连续多次续写，最长可以天生 3 分钟的视频，并且续写时能够指定故事后续发展方向，易用性拉满。
这次升级后，可灵 AI 在算法和工程层面进行告终合深度优化，使得单次天生的视频长度从 5 秒提升到了 10 秒，在对用户开放利用的产品中实现最永劫长，可以呈现更加完全的故事线，为用户供应了更广阔的创作空间。
其三可灵 AI 能够仿照繁芜的物理天下特性。自 Sora 以来，各家视频天生模型都非常看重天生符合物理规律的视频，这决定了模型能力的上限。
可灵 AI 在发布之初就能够准确地建模和仿照现实天下的属性，让天生的视频靠近真实，比如给小猫沐浴。
现在，在更充分模型演习的加持下，可灵 AI 对交互式物理规律的建模和仿照能力又上了一个台阶。
其四可灵 AI 的观点组合和指令相应能力非常强。在技能实现上，通过对文本到视频跨模态语义的深刻理解，可灵 AI 能够将用户丰富的想象力轻松转换为详细的视频画面，放飞脑洞，比如咖啡杯火山。
升级后的可灵 AI 接管了效果更优的文本数据和编码方案，自然而然对用户提示词的相应能力得到增强，视觉渲染效果更好了。
所有这些能力又源于可灵 AI 在视频天生技能路线（采取 DiT 架构）、模型设计（如隐空间编解码、时序信息建模、文本扩展及编码）、数据保障（如多维度标签体系、视频描述模型）、打算效率（如分布式演习集群、分阶段演习策略）、能力扩展（如视频时序延展、多模态输入可控）等方面的技能积累和独到创新。
可以说，如今的可灵 AI 在技能层面做到了前辈且靠谱，怪不得技能一落地就受到了人们的追捧。
天生式 AI 时期，快手有备而来
过去一年多的韶光里，全体大模型领域可以说是非常的卷。去年都在谈基座模型的研发，今年大家又都在谈论运用。最近几天 WAIC 大会开幕，我们又目睹了一波「模型派」和「运用派」之间的辩论。
在这波浪潮中，快手又是怎么做的？
首先，它玩的是体系。从底层的 IDC 算力中央到网络架构、AI 平台，到中层的根本核心大模型，再到运用层的各种运用探索，快手实现了全套自行研发。在谈到该体系时，快手副总裁大模型团队卖力人张迪认为，武断投入自主研发长期来说会带来「技能雪球」效应以及巨大的本钱上风。快手一个非常大的上风便是在上层拥有大量的 AI 运用处景，这将给大模型带来非常多的落地机会。
张迪
整体框架是这样：
其次，快手坚持走根本模型技能研究和商业运用落地并举的计策。根本模型决定了 AI 能力的上限，研究投入的量变可以引发质变；另一方面，商业化运用能够滚起技能的雪球，把新技能阶段性投入运用，不断收成反馈，才能逐渐形成良性循环。
去年开始，快手提出了「快意」大模型（KwaiYi），很快从早期的 13B 参数量发展到了 175B，并推出了多模态版本。在多个版本的迭代后，快意大模型已经在快手内部的素材创作、AI 互动、内容生产等场景中开始发挥浸染，在今年 6 月，基于快意的 AIGC 营销素材单日花费超过了 2000 万。
有了根本模型，在更多的场景上，快手逐渐发展出了自己的差异化能力。
详细来说，在文生图上，快手的「可图」已成为行业内顶尖的模型之一，拥有强大的语义理解和指令跟随能力。得益于在文本表征方面的创新，以及图像数据对齐的大量事情，可图可以画出摄像级的画面质感，经由强化学习的演习，审美也和人类的普遍标准实现了对齐。
而在视频的天生上，「可灵 AI」燃起了环球视频天生领域的新一轮竞争。它可以进行文生视频、图生视频，又具有丰富的图像编辑能力，在视频天生的可控性、质感、美感、运动合理度方面保持业内精良。快手的工程师们正在持续进行工程算法的优化，力争不断降落视频天生 AI 的门槛。
说到打下门槛，新技能的优化是当前天生式 AI 面临的主要寻衅之一。作拥国民级短视频运用，快手的上风在于拥有大量 AI 运用处景，这就给落地实践带来了场景和机会。
在技能落地上，快手实现了一系列里程碑：
快手在 APP 评论区内测的对话模型运用「AI 小快」，可以理解视频中的内容并与你互动，至今已经累积了超过 1000 万的粉丝量。在电商的直播间里，利用文生图 AI「可图」的能力，老铁们也可以用自己的生活照快速试衣，乃至看到动态展示。视频天生模型「可灵 AI」自发布以来得到了用户的广泛认可，已经累计天生了 700 万条视频，开放了一站式内容创作平台。从内容的生产、理解到推举平分歧层面，从个人再到电商，快手的天生式 AI 能力已经做到了对付主体业务的全覆盖，持续推进着快手生态的不断发展。末了还有新的考试测验。在 WAIC 上，快手预报说首部 AIGC 短剧《山海奇镜之劈波斩浪》将在本月正式发布。
视频链接：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650925433&idx=1&sn=970d6ea088f5c7c1b9f2b46371b872d1&chksm=84e42d07b393a411fe24bdd61d670ad31e035a72c89d658d3d6acbc77d0d7ea90a1c7469b206&token=761964394&lang=zh_CN#rd
该剧由可灵 AI 供应深度技能支持，以赛博风格来复现山海经里的上古神话天下。从预报片来看，山脉到海洋、森林到天涯等场景都呈现出了震荡的视觉效果。在以往，如此效果可能须要专业的殊效团队，现在，视觉天生 AI 就能带来震荡的视觉体验了。
没错，半年前我们还在畅想未来，现在 AI 真的开始拍电影了。
当前大模型的浪潮中，最能证明技能能力的莫过于大规模落地。
而快手全方位的实践让我们再次确认：AI 的生产力已在不知不觉间，改变着我们的生活。