來(lái)源：環(huán)球網(wǎng)

隨著模型能力的持續(xù)突破，AI視頻生成正從“工具屬性”走向“創(chuàng)作基礎(chǔ)設(shè)施”，推動(dòng)視聽(tīng)行業(yè)進(jìn)入全新的生產(chǎn)階段。4月15日，在第十三屆中國(guó)網(wǎng)絡(luò)視聽(tīng)大會(huì)新技術(shù)新場(chǎng)景論壇上，可靈AI產(chǎn)品及運(yùn)營(yíng)負(fù)責(zé)人溫園旭發(fā)表題為《技術(shù)升維·創(chuàng)作無(wú)界 可靈AI賦能視聽(tīng)新生態(tài)》的主題演講，系統(tǒng)闡述了可靈AI在多模態(tài)技術(shù)演進(jìn)、創(chuàng)作能力升級(jí)及產(chǎn)業(yè)落地方面的最新進(jìn)展。

溫園旭表示，可靈AI始終以“技術(shù)賦能創(chuàng)作”為核心理念，致力于“讓靈感成真，讓想象成為影像，讓每個(gè)人都能用AI講出好故事”。

從多模態(tài)能力到全鏈路創(chuàng)作，構(gòu)建一站式AI生產(chǎn)力引擎

在演講中，溫園旭首先介紹了可靈AI的產(chǎn)品體系。作為創(chuàng)意驅(qū)動(dòng)的一站式AI生產(chǎn)力引擎，可靈AI已實(shí)現(xiàn)圖像生成、視頻生成、音頻生成三大核心能力的深度融合：通過(guò)圖像生成定義靜態(tài)要素，通過(guò)視頻生成實(shí)現(xiàn)動(dòng)態(tài)控制，通過(guò)音頻生成補(bǔ)全敘事表達(dá)，打通從畫面到故事的完整鏈路。

“從一個(gè)創(chuàng)意輸入，到一整套視頻素材輸出，AI正在把專業(yè)級(jí)創(chuàng)作能力交到每一個(gè)人手中?！睖貓@旭指出，這種全鏈路能力的建立，標(biāo)志著AI從單點(diǎn)生成工具邁向系統(tǒng)性創(chuàng)作平臺(tái)。

自2024年6月發(fā)布以來(lái)，可靈AI在不到兩年時(shí)間內(nèi)完成30余次產(chǎn)品迭代，并實(shí)現(xiàn)8個(gè)關(guān)鍵技術(shù)里程碑。從全球首個(gè)用戶可用的DiT視頻生成模型，到支持1080P高清視頻創(chuàng)作，再到多模態(tài)交互能力的持續(xù)升級(jí)，可靈不斷推動(dòng)底層模型能力躍遷。

目前，可靈已構(gòu)建起統(tǒng)一的多模態(tài)視頻模型體系，并推出可靈3.0及3.0 Omni，實(shí)現(xiàn)多模態(tài)輸入與輸出的大一統(tǒng)能力，支持文生視頻、圖生視頻、參考生成及視頻修改等多種創(chuàng)作方式的統(tǒng)一底層架構(gòu)。

基于這一架構(gòu)，可靈AI進(jìn)一步突破了原生多模態(tài)敘事能力，使模型能夠統(tǒng)一理解畫面、主體、聲音、鏡頭及敘事節(jié)奏之間的關(guān)系。同時(shí)，在角色一致性、鏡頭調(diào)度、音畫同步及多主體音色綁定等方面實(shí)現(xiàn)顯著提升，讓AI從“生成畫面”走向“理解故事”。

在動(dòng)態(tài)表現(xiàn)層面，可靈AI也實(shí)現(xiàn)了動(dòng)作控制能力的升級(jí)，支持更高一致性的角色表演與更自然流暢的動(dòng)作生成，使數(shù)字角色具備接近專業(yè)動(dòng)作捕捉的表現(xiàn)力。

深度融入視聽(tīng)工業(yè)流程，釋放多場(chǎng)景應(yīng)用價(jià)值

伴隨技術(shù)升級(jí)，可靈AI完成了從單一生成工具向全流程AI創(chuàng)意工作臺(tái)的轉(zhuǎn)型。溫園旭表示，過(guò)去AI創(chuàng)作中存在的功能分散、生成等待、效果不可控及協(xié)作困難等問(wèn)題，正在被系統(tǒng)性解決。

當(dāng)前，可靈AI已覆蓋從素材生成到完整創(chuàng)作流程的各個(gè)環(huán)節(jié)，并支持從個(gè)人創(chuàng)作到團(tuán)隊(duì)協(xié)作的多場(chǎng)景需求，逐步成為適配專業(yè)機(jī)構(gòu)與大眾創(chuàng)作者的通用創(chuàng)作平臺(tái)。

數(shù)據(jù)顯示，截至目前，可靈AI已服務(wù)超過(guò)6000萬(wàn)創(chuàng)作者，累計(jì)生成視頻突破6億條，并服務(wù)超過(guò)3萬(wàn)家企業(yè)用戶。根據(jù)快手2025年財(cái)報(bào)披露，可靈AI在2025年第四季度實(shí)現(xiàn)營(yíng)收3.4億元，標(biāo)志著AI視頻生成正從技術(shù)趨勢(shì)走向產(chǎn)業(yè)現(xiàn)實(shí)。

在具體應(yīng)用層面，可靈AI已形成覆蓋視聽(tīng)創(chuàng)作全流程的四大核心場(chǎng)景：前期概念開(kāi)發(fā)與提案溝通、Pre-vis預(yù)演與風(fēng)險(xiǎn)前置、視效替代與鏡頭補(bǔ)完，以及角色驅(qū)動(dòng)內(nèi)容與IP擴(kuò)展。

圍繞這些場(chǎng)景，可靈AI正加速在影視、廣告、音樂(lè)、文旅、游戲及動(dòng)漫IP等領(lǐng)域落地。在影視領(lǐng)域，可靈已參與《太平年》、《大衛(wèi)之家》等項(xiàng)目的制作；廣告營(yíng)銷方面，可靈AI助力美團(tuán)愚人節(jié)廣告《麻煩死了》在兩周內(nèi)完成制作，實(shí)現(xiàn)接近實(shí)拍的視覺(jué)質(zhì)感與完整敘事表達(dá)。音樂(lè)與游戲領(lǐng)域，可靈也通過(guò)虛擬藝人內(nèi)容生產(chǎn)及與頭部游戲IP聯(lián)動(dòng)，持續(xù)拓展創(chuàng)作邊界；在文旅場(chǎng)景中，可靈AI與河南廣電合作“何以唐宮夜宴”等項(xiàng)目，通過(guò)AI技術(shù)激活傳統(tǒng)文化表達(dá)，并取得顯著傳播效果。

與此同時(shí)，可靈還通過(guò)NEXTGEN全球新影像創(chuàng)作大賽匯聚來(lái)自122個(gè)國(guó)家和地區(qū)的4600余部作品，搭建全球化創(chuàng)作交流平臺(tái)，推動(dòng)AI影像成為跨文化的視覺(jué)語(yǔ)言。

以技術(shù)為底座，開(kāi)啟AI創(chuàng)作新階段

面向未來(lái)，溫園旭稱，可靈AI將持續(xù)圍繞多模態(tài)大一統(tǒng)模型、原生敘事能力與精準(zhǔn)動(dòng)作控制等方向不斷突破，持續(xù)拓展AI在視聽(tīng)創(chuàng)作中的表達(dá)邊界。

“技術(shù)在升維，創(chuàng)作無(wú)邊界?！睖貓@旭強(qiáng)調(diào)，AI的終極使命不是取代創(chuàng)作，而是讓更多人擁有表達(dá)的能力。隨著技術(shù)與創(chuàng)作的深度融合，一個(gè)“人人皆可導(dǎo)演”的時(shí)代正在到來(lái)，AI敘事的新階段也正在加速開(kāi)啟。（心月）