快手可灵3.0内测：视频生成AI模型全新升级发布
IT之家 1月31日消息，快手今天正式宣布推出新一代视频生成模型“可灵 3.0”系列，该系列目前正处于超前内测阶段。此次发布的系列包含了图片3.0、视频3.0以及视频3.0 Omni三款模型，它们在原有技术基础上实现了多项核心能力的突破与升级。
据了解，图片3.0模型的升级主要集中在以下四大功能板块：
新增了组图生成能力，支持用户通过上传单张或多张输入图像，批量生成逻辑连贯、叙事流畅的系列化画面；
输出分辨率显著提升，最高可支持生成2K与4K级别的高清图像，更好地满足了影视预演、场景设定等专业视觉创作需求；
大幅增强了画面细节的一致性，优化了纹理、光影的呈现效果，有效降低了图像中的“AI感”，使生成结果更加自然逼真；
强化了对构图、视角等画面元素的控制精度，提升了模型在影视类创作场景中的实用性与可控性。
据介绍，此次模型升级采用了视觉思维链技术，辅助生成前的场景解构与推理，并通过Deep-Stack视觉信息流机制增强了模型的细粒度感知能力。在模型训练过程中，研究团队引入了强化学习框架，并融合真实感与电影质感的双重评估标准，持续优化模型的最终输出效果。
此外，新一代视频模型采用了统一的多模态训练框架，支持文本、图像、视频片段等多种输入形式。单次视频生成时长最高可达15秒，并支持用户灵活设置3到15秒的目标时长。其功能改进主要包括：
新增了智能分镜系统，能够根据文本指令自动调度不同的景别与机位，实现更富动态的视觉叙事；
增强了生成主体的身份一致性控制，允许用户通过多张参考图或视频来锚定特定的人物或视觉元素；
升级了音画同步能力，不仅支持中、英、日、韩、西五种语言及多种方言的精准口型匹配，还能实现多人场景下的角色定向发声；
提升了文字生成的清晰度，确保画面中的招牌、字幕等文字信息清晰可辨，细节处理更加到位。
全新推出的视频3.0 Omni版本，额外支持创建视频主体特征库功能。用户只需提供一段包含人物的3到8秒视频，模型即可提取该角色的形象与音色特征，并应用于后续的生成任务中。相关技术文档显示，此次升级在多模态指令解析架构优化、音频采样区间调整以及特征解耦重组方案等方面均取得了进展。
相关攻略
中国首个Sora级模型Vidu发布：可生成最长16秒、最高1080P视频 今天，在中关村论坛的未来人工智能先锋论坛上，生数科技与清华大学联手，正式揭晓了国内视频生成领域的一个重磅成果——Vidu。这个被业界和媒体视作中国首个达到Sora级别的视频大模型，瞬间吸引了所有关注的目光。 根据官方发布的技术
就在 OpenAI 都停了 Sora，所有人以为 Seedance 2 0 要一统天下的时候，没想到不知哪里冒出来一匹马。 周二晚间，在知名 AI 评测分析平台 Artificial Analysis 上，一个代号为「HappyHorse-1 0」的神秘视频生成模型空降榜首，引发了 AI 社区热议。
热门专题
热门推荐
在追求极致效率的现代软件开发中，一款名为Cursor的AI代码编辑器正引领着开发范式的变革。它被定义为“面向未来的IDE”，其核心理念清晰而有力：将人工智能深度无缝地集成到编码工作流的每一个步骤，为开发者创造一种前所未有的“AI结对编程”体验。 Cursor sh应用场景 那么，这款AI驱动的编辑器
在众多AI图像生成工具中，WHEE凭借其精准的产品定位与持续的功能迭代，正成为越来越多设计师和内容创作者的首选工具。它专注于打造高品质的AI视觉素材生成器，核心使命就是帮助用户快速、高效地获得可直接使用的优质图片素材。 那么，这款AI绘图工具究竟有哪些核心优势？下面我们从其关键特性与功能设计进行深入
在AI绘画工具不断涌现的当下，一款名为NightCafe Creator的应用以其全面的AI艺术生成能力脱颖而出。它不仅是一个简单的图片处理工具，更是一个融合了多种前沿人工智能技术的创意平台，帮助用户轻松实现从构思到成品的艺术创作。 NightCafe Creator是什么？ NightCafe C
近期加密货币市场受到宏观经济不确定性及流动性紧缩影响，比特币(BTC)、以太坊(ETH)以及多种山寨币出现明显下行走势，市场情绪趋于谨慎。 比特币近期走势分析 比特币的价格近期表现如何？简单来说，它跌破了几个市场公认的关键支撑位，而且伴随交易量的放大。这种放量下跌的信号，往往意味着多空分歧加剧。无论
蔡司宣布将于6月2日发布一款新镜头，并称其为镜头技术的重大突破，标志着全新纪元的开启。官方仅公布了产品剪影，但措辞暗示其可能带来根本性的技术升级，例如全新光学结构、先进镀膜或对焦系统改进。具体细节需待发布日揭晓。