可灵AI进入2.0时代 快手带来“多模态视觉语言”

“相信我，这是你能用到的最强大的视觉生成模型。”4月15日，快手高级副总裁、社区科学线负责人盖坤在可灵2.0模型发布会上说。

这是在可灵1.0发布10个月后，快手方面对可灵全系模型的一次重要升级，包括文生图视频“可图大模型2.0”，以及视频生成大模型“可灵大模型2.0”。盖坤介绍，可灵2.0模型在动态质量、语义响应、画面美学等维度，保持全球领先；可图2.0模型在指令遵循、电影质感及艺术风格表现等方面显著提升。

贝壳财经记者注意到，可灵2.0还上线了一种可以将文字、图片、短视频甚至MMW等不同格式文件结合起来一起编辑的新交互模式“MVL（Multi-modal Visual Language直译为多模态视觉语言）”。

据了解，当前视频生成主要分文生视频和图生视频两种，快手副总裁、可灵AI负责人张迪就披露，85%的视频创作通过图生视频完成。有AI创作者告诉记者，当前业界主流的视频制作方式是首先通过文字生成图片，再通过图片生成视频。

而在盖坤的演示中，通过MVL方式，用户能够结合图像参考、视频片段等多模态信息，将脑海中的多维度复杂创意传达给AI，而不仅仅是文字的提示语句。如下图所示，用户使用AI生成视频时，在提示词中也可以夹带图片或视频。

快手高级副总裁、社区科学线负责人盖坤演示多模态交互方式。新京报贝壳财经记者罗亦丹/摄

“我们的理念是致力于研发很强大的基础模型，同时致力于定义一个人和AI更完备的沟通方式，而这背后，我们的愿景是让每个人都能用AI讲出好故事，希望这个愿望早日成真。”盖坤说。

（文章来源：新京报）