提起视频生成领域的AI大模型，许多人最先想到的往往是OpenAI的Sora。而在国内产品中，快手自主研发的“可灵大模型（Kling）”是首个真正对标Sora的标杆之作。它采用了与Sora相似的技术路线，同时融合了多项自研创新，实际效果毫不逊色。简单来说，可灵能够模拟真实物理世界，将用户的创意想象转化为具体画面，最长可生成2分钟的视频，分辨率达到1080p，帧率30fps，呈现电影级质感。更关键的是，它还支持多种输出宽高比，适配不同创作场景。未来，基于可灵还将推出“AI唱跳”等新玩法——仅需一张照片，即可同时驱动表情与肢体动作，生成一段完整的唱跳视频。

可灵大模型（Kling）核心功能

1. 大幅度的合理运动：可灵采用3D时空联合注意力机制，能够更精准地建模复杂时空运动。生成的视频即便包含较大幅度的动作，也能严格遵循运动规律，不会出现不自然的违和感。
2. 长达2分钟的视频生成：依托高效的训练基础设施、极致的推理优化以及可扩展的基础架构，可灵能够一次性生成长达2分钟的视频，帧率稳定保持在30fps。
3. 模拟物理世界特性：基于自研模型架构与Scaling Law激发出的强大建模能力，可灵能够真实模拟物理世界中的重力、碰撞、流体等特性，生成内容完全符合自然规律。
4. 强大的概念组合能力：借助对文本-视频语义的深刻理解以及Diffusion Transformer架构的卓越性能，可灵能将用户天马行空的想象力转化为具体画面，甚至虚构出真实世界中不存在的场景。
5. 电影级的画面生成：自研3D VAE使可灵能够输出1080p分辨率的视频，无论是宏伟壮阔的大场面，还是细腻入微的特写，都能呈现出电影般的质感。
6. 支持自由的输出视频宽高比：采用可变分辨率训练策略，可灵在推理时可根据需求输出多种宽高比，满足短视频、横屏电影、竖屏广告等不同场景的素材要求。

可灵大模型的应用场景

影视制作：用于生成特效场景，大幅减少实景搭建与后期制作成本。社交媒体：普通用户也能轻松创作出独具特色的视频内容，便于分享传播。艺术创作：艺术家和设计师借助可灵实现以往只能靠想象完成的创意。广告行业：用高质量视频广告提升品牌吸引力，让内容更具视觉冲击力。虚拟现实与增强现实：创造逼真的沉浸式环境，显著增强用户体验。游戏开发：快速生成游戏内的场景与动画，丰富动态表现效果。新闻媒体：快速制作新闻报道中所需的动态图像与背景视频素材。