我見過你們不會(huì)相信的東西：戰(zhàn)艦群在獵戶星座上沿燃燒，C射線在唐豪瑟之門處的黑暗中閃耀。這些時(shí)刻都將隨著時(shí)間消逝，就像雨中的眼淚。”
這是著名科幻電影《銀翼殺手》的臺(tái)詞，被奉為影史經(jīng)典時(shí)刻。遺憾的是，電影并未呈現(xiàn)這段描述中的畫面，但43年后，可靈把它“拍”出來了。
4月15日，可靈AI正式發(fā)布可靈2.0視頻生成模型及可圖2.0圖像生成模型。除模型基礎(chǔ)質(zhì)量和模型效果提升外，可靈AI的這次更新還聚焦“多模態(tài)編輯功能”。
《每日經(jīng)濟(jì)新聞》記者實(shí)測后發(fā)現(xiàn)，可靈2.0大師版對提示詞的語義理解更加準(zhǔn)確，表述中的細(xì)節(jié)都會(huì)在畫面中呈現(xiàn)。而多模態(tài)編輯功能，可以實(shí)現(xiàn)替換畫面主體等元素，還可隨意增刪元素，無需重新描述生成。
除了功能“上新”，快手高級(jí)副總裁、社區(qū)科學(xué)線負(fù)責(zé)人蓋坤透露，截至目前，可靈全球用戶規(guī)模突破2200萬。快手前不久發(fā)布的年度業(yè)績公告中披露，自開始商業(yè)化至今年2月，可靈AI累計(jì)收入超1億元。
這場關(guān)于AI的“豪賭”，不僅在快手發(fā)生。技術(shù)更迭、版本推新，誰能搶先在AI市場擁有“話語權(quán)”，誰就有機(jī)會(huì)先拿到下一賽段的門票。
實(shí)測可靈2.0：指令遵循更準(zhǔn)確 畫面細(xì)節(jié)有提升
所謂的“多模態(tài)編輯功能”，簡單來說就是輸入關(guān)鍵詞時(shí)，還可在文本描述中插入圖片、視頻，或者引入其他模態(tài)的信息——如聲音、運(yùn)動(dòng)軌跡等。在視頻生成后，可以直接二次編輯處理，包括替換、增刪畫面內(nèi)的元素。
記者實(shí)測該功能后發(fā)現(xiàn)，視頻生成后的畫面中，無論是主體還是涉及的其他元素，都可以通過上傳圖片、文字描述等方式直接編輯替換。目前，“多模態(tài)編輯功能”只能在可靈1.6模型下生成，2.0大師版還不支持。
不過，記者注意到，在替換相關(guān)元素后，也存在部分原細(xì)節(jié)丟失的情況。如，“熊貓彈吉他”視頻中，太陽被替換為月亮后，原描述中的“戴墨鏡”、“吐氣”等要求并未表現(xiàn)（如下圖）。
此外，記者也實(shí)測了可靈2.0大師版。如基于同一提示詞，無論是主體的生成、主體間的關(guān)聯(lián)邏輯、描述中的細(xì)節(jié)元素捕捉和動(dòng)態(tài)效果呈現(xiàn)，2.0版本對語義的理解較于此前的1.6模型都更加準(zhǔn)確。
可靈2.0大師版生成的圖片
可靈1.6模型生成的圖片
同時(shí)，記者也測試了可靈2.0大師版圖生視頻的功能。記者先是上傳一幅油畫圖片，并描述畫面轉(zhuǎn)動(dòng)態(tài)的要求后，其生成后的效果也與1.6模型生成后的效果有著較明顯差距。
首先是畫面風(fēng)格。1.6模型生成的視頻，在原油畫風(fēng)格上未有任何改變，但2.0大師版生產(chǎn)的動(dòng)態(tài)畫面，則從原油畫風(fēng)格變成了較寫實(shí)的風(fēng)格。其次是動(dòng)作幅度，2.0大師版生成的畫面中，無論是主體的動(dòng)作還是其他元素，動(dòng)作幅度明顯更大。最后是細(xì)節(jié)呈現(xiàn)。1.6模型生成的畫面中，部分元素有扭曲變形現(xiàn)象，2.0大師版則未出現(xiàn)。
可靈2.0大師版生成的圖片
可靈1.6模型生成的圖片
AIGC是下一代內(nèi)容結(jié)構(gòu)的雛形？
在發(fā)布可靈2.0大師版時(shí)，蓋坤表示，文字在表達(dá)影像信息時(shí)不完備。因此，2.0新模型采用了Multi-modal Visual Language（簡稱MVL）交互理念。
記者了解到，MVL由TXT（Pure Text，語義骨架）和MMW（Multi-modal-document as a Word，多模態(tài)描述子）組成，能從基礎(chǔ)方向以及精細(xì)控制兩個(gè)層面，精準(zhǔn)實(shí)現(xiàn)創(chuàng)意表達(dá)。
在這個(gè)交互理念下，用戶可以結(jié)合圖像參考、視頻片段等多模態(tài)信息，將包含身份、外觀、風(fēng)格、場景、動(dòng)作、表情、運(yùn)鏡等多個(gè)維度的復(fù)雜創(chuàng)意傳達(dá)給AI。
在這個(gè)升級(jí)邏輯下，圖片質(zhì)量會(huì)對視頻的生成效果產(chǎn)生重要影響。因此，快手的圖像生成大模型“可圖”也迎來了2.0升級(jí)。快手副總裁、可靈AI負(fù)責(zé)人張迪介紹，當(dāng)前，圖生視頻約占到可靈AI視頻創(chuàng)作量的85%。
4月16日，工業(yè)和信息化部信息通信經(jīng)濟(jì)專家委員會(huì)委員盤和林在接受《每日經(jīng)濟(jì)新聞》記者微信采訪時(shí)表示，視頻生成賽道的最終受益者，可能還是內(nèi)容創(chuàng)作平臺(tái)。因?yàn)椋@些平臺(tái)具備兩樣?xùn)|西：其一是最相關(guān)的用戶群體，視頻生成未來可能更多還是為短視頻自媒體服務(wù)；其二是最大規(guī)模的用戶受眾，生成式AI帶來的內(nèi)容創(chuàng)作升級(jí)，會(huì)進(jìn)一步影響創(chuàng)作者和觀看者。
記者注意到，除了C端（消費(fèi)者）訂閱用戶，可靈AI也面向B端（商家）提供API（應(yīng)用程序接口）接入等服務(wù)。目前，可靈AI已與小米、亞馬遜云科技、阿里云、“Freepik”、藍(lán)色光標(biāo)等建立了合作。
快手想借AI講出新商業(yè)敘事
在商業(yè)化上，可靈的確具備一定的優(yōu)勢。可靈于去年6月發(fā)布，而自商業(yè)化以來，截至2025年2月，可靈AI的累計(jì)營業(yè)收入超1億元。
所以前不久的財(cái)報(bào)電話會(huì)上，幾乎所有分析師提問，都圍繞可靈提出，快手聯(lián)合創(chuàng)始人、董事長兼CEO程一笑表示，預(yù)計(jì)可靈AI在2025年將實(shí)現(xiàn)收入的跨越式增長。
盤和林告訴記者，可靈的商業(yè)化還有開發(fā)空間，1億元營收對可靈來說，應(yīng)該僅僅是開始。“未來，需要將AI和內(nèi)容創(chuàng)作的全鏈條結(jié)合起來，提供更豐富的內(nèi)容生成功能，AI營收還會(huì)有一定的提升。”他如此表示。
或許，想要增長，投入就不能停。
“快手將在未來3年甚至更長時(shí)間內(nèi)，進(jìn)行更大規(guī)模的Capex（資本支出）和研發(fā)投入，希望能通過可靈AI的賦能，改造升級(jí)現(xiàn)有業(yè)務(wù)的同時(shí)，創(chuàng)造AI視頻內(nèi)容生產(chǎn)的新賽道，進(jìn)一步升級(jí)快手作為短視頻生產(chǎn)和消費(fèi)社區(qū)的領(lǐng)先地位。”程一笑如此表示。
盤和林認(rèn)為，可靈對快手整個(gè)生態(tài)來說很重要。未來，快手平臺(tái)上的創(chuàng)作者，需要借助可靈這樣的AI工具來生成內(nèi)容，或者至少輔助內(nèi)容創(chuàng)作，這會(huì)大大提高快手平臺(tái)上內(nèi)容輸出的質(zhì)量，從而更好地吸引用戶，擴(kuò)大快手在內(nèi)容平臺(tái)領(lǐng)域的影響力。
“與此同時(shí)，可靈創(chuàng)造出的新的創(chuàng)收點(diǎn)，一定程度上也能夠讓快手的收入更加多元化，繼而增加想象空間。無論是從長期發(fā)展看，還是從吸引投資人的角度看，都對快手影響巨大。”盤和林進(jìn)一步補(bǔ)充說。