快手可灵团队开源UniVideo：单模型实现视频理解生成编辑全流程
快手可灵团队与香港滑铁卢大学联合发布了一款全新的统一视频生成基础模型——UniVideo。这项创新首次实现了对视频进行理解、编辑和生成三大核心能力的一体化集成。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
该模型的核心技术架构包含两大组成部分：其一是具备多模态感知能力的大语言模型（MLLM），能够精准解析文本指令并理解视觉上下文；其二是多模态 DiT 架构（MMDiT），专门负责视频内容的生成与精细化编辑。这一方案全面覆盖了多种视频智能处理场景——支持基于文本、图像等多类提示的视频生成；可对输入的图像或视频进行深度的语义理解与分析；更能依据用户的文字描述及参考图，灵活调整视频内容结构、风格特征乃至细节表现。
在实际演示中，UniVideo 展现出高度的灵活性：既能够通过单张图片与文本提示生成全新的视频，也可以结合原始视频与参考图像完成定向修改，甚至仅凭自然语言提示即可实现对已有视频的语义级编辑。
技术层面的一项重大突破在于：采用通义千问2.5 VL 模型作为强大的“视觉大脑”，专注处理图像、视频与文本的联合理解任务；同时以混元视频模型作为“创作引擎”，承担高质量视频生成与编辑工作。二者协同运作，使系统真正兼备“看得懂”与“做得好”的双重能力。
相比以往需要调用多个专用模型分别完成不同子任务的范式，UniVideo 实现了端到端的统一建模仿真。这不仅大幅降低了部署与集成的复杂度，更让各项核心能力在训练与推理过程中能够彼此赋能、协同增强。
从实际评测效果来看，对于动作幅度较小、结构相对稳定的短视频片段，UniVideo 的输出质量表现优异；但在部分高动态、强物理属性的场景（如火焰燃烧）中，模型仍有优化空间。同时，在生成内容的细粒度一致性方面（例如发丝运动的连贯性）也尚存提升余地。尽管存在这些待完善之处，UniVideo 在通用视频智能领域的开创性探索已极具潜力与价值。
开源地址已公布。
源码地址可下载获取。
热门专题
热门推荐
短期课程 开发人员的ChatGPT提示工程 你将在本课程中学到什么 想用大型语言模型（LLM）快速构建强大的应用吗？《开发人员的ChatGPT提示工程》这门课，正是为你准备的。通过OpenAI API，你将能解锁那些在过去成本高昂、技术门槛高甚至无法实现的能力，快速将创新想法转化为价值。 这门短期课
志设是什么 在创意设计领域，灵感与效率往往难以平衡。是否存在一个工具，既能深度理解您的创意构思，又能迅速将其转化为高品质视觉作品？这正是专业级AI图像生成平台“志设”致力于解决的核心问题。 简而言之，志设是一个融合了前沿人工智能技术的综合性设计解决方案平台。它全面覆盖从平面广告、海报设计到网页UI、
对于渴望提升外语口语与听力水平的学习者而言，如何找到一个高效、便捷且能轻松练习的环境，常常是首要难题。今天我们要深入解析的这款产品——TalkMe，正是精准切入这一需求，试图通过前沿的AI技术，提供一种全新的语言练习解决方案。 简而言之，TalkMe是一款专注于跨语言学习的AI应用，其核心功能设计紧
当冰冷的钢铁巨兽被注入炽热的战斗意志，会碰撞出怎样的战略火花？《王牌机甲》这款游戏，将宏大的科幻叙事深度融入现代战争战术框架，为玩家开启了一段关于征服、策略与深厚羁绊的未来纪元。 在这里，你绝非孤军奋战。每一位通过招募加入的精英机师，都拥有独立的背景故事、专属技能树与独特的成长路线。游戏核心的“羁绊
《暗黑大天使》的技能分支系统提供元素、物理和辅助三大专精方向，玩家需根据角色属性与战斗需求选择分支。技能可投入资源升级并可能触发连锁效果，实战中需结合装备、敌人及团队配合灵活运用。该系统丰富了玩法，但需大量资源与多系统联动，选择需谨慎规划。