每經(jīng)編輯 杜宇

據(jù)新華社，近日，快手“可靈”視頻生成大模型官網(wǎng)正式上線。相較此前各家放出的視頻大模型以展示視頻為主，本次亮相的可靈大模型已在快手旗下的快影App開放邀測(cè)體驗(yàn)。

圖片來(lái)源：可靈大模型官網(wǎng)

據(jù)官網(wǎng)介紹，快手在短視頻視頻技術(shù)方面有多年的深入積累，其視頻生成大模型也有天然、廣泛的應(yīng)用場(chǎng)景。可靈大模型為快手AI團(tuán)隊(duì)自研，具備諸多優(yōu)勢(shì)：能夠生成大幅度的合理運(yùn)動(dòng)；能夠模擬物理世界特性；具備強(qiáng)大的概念組合能力和想象力；生成的視頻分辨率高達(dá)1080p，時(shí)長(zhǎng)高達(dá)2分鐘（幀率30fps），且支持自由的寬高比。

“可靈”大模型為快手AI團(tuán)隊(duì)自研，基于快手在視頻技術(shù)方面的多年積累，采用“Sora”相似的技術(shù)路線，結(jié)合多項(xiàng)自研技術(shù)創(chuàng)新，效果對(duì)標(biāo)“Sora”。

據(jù)悉，可靈使用了與Sora一樣的Diffusion Transformer架構(gòu)，3D時(shí)空聯(lián)合注意力機(jī)制等，該架構(gòu)巧妙地融合了時(shí)間與空間的信息，對(duì)視頻數(shù)據(jù)進(jìn)行綜合分析和處理。

可精準(zhǔn)捕捉到視頻幀內(nèi)的局部空間特征以及跨幀的時(shí)間動(dòng)態(tài)特征，從而更全面地理解和再現(xiàn)視頻中的運(yùn)動(dòng)信息。

所以，無(wú)論是快速移動(dòng)的物體、劇烈變化的場(chǎng)景，還是復(fù)雜的人物動(dòng)作都能被精確捕捉，使得生成的視頻內(nèi)容動(dòng)態(tài)性十足，同時(shí)具有很高的物理世界真實(shí)感。

讓我們一睹官方效果，動(dòng)圖截取有壓縮，畫質(zhì)遜于展示視頻，效果以官網(wǎng)為準(zhǔn)。

提示詞：兩朵花在黑色背景下緩慢綻放，展示出細(xì)膩的花瓣和花蕊

提示詞：一只戴眼鏡的小白兔坐在咖啡館的椅子上看報(bào)紙，桌上有一杯熱咖啡

提示詞：一只手將牛奶從鋼制打奶壺倒入桌上一杯咖啡中，背景為模糊的廚房

基于對(duì)文本-視頻語(yǔ)義的深刻理解和 Diffusion Transformer 架構(gòu)的強(qiáng)大能力，可靈能夠?qū)⒂脩糌S富的想象力轉(zhuǎn)化為具體的畫面，虛構(gòu)真實(shí)世界中不會(huì)出現(xiàn)的的場(chǎng)景。

基于自研的3D人臉和人體重建技術(shù)，結(jié)合背景穩(wěn)定性和重定向模塊，實(shí)現(xiàn)表情肢體全驅(qū)動(dòng)技術(shù)，僅需一張全身照片，即可體驗(yàn)生動(dòng)的“唱跳”玩法。

公開資料顯示，快手已先后發(fā)布通用大語(yǔ)言模型“快意”、文生圖大模型產(chǎn)品“可圖”，還推出了Direct-a-Video、Video-LaVIT、I2V-Adapter、UNIAA等視頻關(guān)鍵技術(shù)，引發(fā)了廣泛關(guān)注。據(jù)悉，伴隨此次可靈大模型的發(fā)布，快手將持續(xù)加速大模型的研發(fā)與應(yīng)用，帶來(lái)更加多元的AI創(chuàng)作與互動(dòng)體驗(yàn)。

每日經(jīng)濟(jì)新聞綜合新華社、公開資料