每經編輯｜杜宇(yu)

據新華社，近日，快手“可靈”視(shi)頻生(sheng)成大(da)模(mo)型(xing)官網正式(shi)上線。相較此前(qian)各家放(fang)出的(de)(de)視(shi)頻大(da)模(mo)型(xing)以展(zhan)示視(shi)頻為主，本次亮相的(de)(de)可靈大(da)模(mo)型(xing)已在快手旗下的(de)(de)快影App開放(fang)邀(yao)測體驗。

圖片來源：可靈大(da)模型(xing)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(ju)悉，可靈使用了與Sora一樣的Diffusion Transformer架構，3D時空(kong)聯合注意力機制等(deng)，該架構巧妙地融合了時間(jian)與空(kong)間(jian)的信息，對視(shi)頻數據(ju)進行綜合分(fen)析(xi)和處理。

可精(jing)準捕捉到視(shi)頻(pin)幀(zhen)(zhen)內的(de)(de)(de)局(ju)部空間特(te)征以及跨幀(zhen)(zhen)的(de)(de)(de)時間動(dong)態特(te)征，從而更全面(mian)地理解和再現視(shi)頻(pin)中的(de)(de)(de)運動(dong)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(rang)我們一睹官方效(xiao)(xiao)果，動圖截取(qu)有壓縮，畫質(zhi)遜于展示視(shi)頻，效(xiao)(xiao)果以(yi)官網為準。

提示詞(ci)：兩朵花在黑色背(bei)景下(xia)緩慢(man)綻放，展(zhan)示出細膩的花瓣和花蕊

提(ti)示詞：一只戴(dai)眼鏡的小白兔坐(zuo)在咖啡館的椅(yi)子(zi)上(shang)看(kan)報紙，桌上(shang)有一杯熱咖啡

提示詞(ci)：一(yi)只手將牛奶(nai)從鋼制(zhi)打奶(nai)壺倒入桌上一(yi)杯咖啡中(zhong)，背景為模糊(hu)的廚房

基于對文本-視頻語義的深刻(ke)理解和 Diffusion Transformer 架構的強大能力(li)，可靈能夠將用戶豐富的想象(xiang)力(li)轉化為具體的畫面，虛構真實世界(jie)中不(bu)會出(chu)現的的場景。

基于自研(yan)的3D人臉和(he)人體重建技術(shu)，結合(he)背景穩(wen)定性和(he)重定向模塊，實(shi)現表情肢體全(quan)驅動技術(shu)，僅需一張全(quan)身照片，即可體驗生動的“唱跳”玩法(fa)。

公開資料顯示，快(kuai)手(shou)已先后發(fa)布(bu)通用大(da)語言模(mo)型(xing)“快(kuai)意”、文生圖(tu)大(da)模(mo)型(xing)產品“可圖(tu)”，還推出了Direct-a-Video、Video-LaVIT、I2V-Adapter、UNIAA等視頻(pin)關鍵技術，引發(fa)了廣泛(fan)關注。據悉，伴(ban)隨此次可靈大(da)模(mo)型(xing)的(de)發(fa)布(bu)，快(kuai)手(shou)將持續加速大(da)模(mo)型(xing)的(de)研發(fa)與應用，帶來更(geng)加多元的(de)AI創作(zuo)與互動體驗。

每日經濟新聞綜合新華社、公開資料