隨著AI生成視頻日漸走紅，如何準(zhǔn)確將用戶心中的想法轉(zhuǎn)化成AI視頻，成為難題。用戶常常發(fā)現(xiàn)，僅僅依靠文字很難描述自己的需求。

4月15日，快手旗下可靈AI宣布，面向全球發(fā)布可靈2.0視頻生成模型及可圖2.0圖像生成模型，快手高級副總裁、快手社區(qū)科學(xué)線負(fù)責(zé)人蓋坤向澎湃新聞記者表示，“AI在輔助創(chuàng)意表達(dá)上擁有巨大潛力，但當(dāng)前的行業(yè)發(fā)展現(xiàn)狀還遠(yuǎn)遠(yuǎn)無法滿足用戶需求，在AI生成內(nèi)容的穩(wěn)定性、以及用戶復(fù)雜創(chuàng)意的精確傳達(dá)上仍有很多挑戰(zhàn)。”

此次2.0版本的迭代中，最受關(guān)注的便是多模態(tài)視頻編輯的新功能：可靈AI使用全新交互理念Multi-modal Visual Language（MVL），讓用戶能夠結(jié)合圖像參考、視頻片段等多模態(tài)信息，將腦海中包含身份、外觀、風(fēng)格、場景、動作、表情、運(yùn)鏡在內(nèi)的多維度創(chuàng)意，高效傳達(dá)給AI。同時，用戶可以直接把自己的想法用圖像等方式表作為輸入，生成符合自己想法的創(chuàng)意視頻。

蓋坤介紹，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，能從視頻生成設(shè)定的基礎(chǔ)方向以及精細(xì)控制這兩個層面，精準(zhǔn)實現(xiàn)AI創(chuàng)作者們的創(chuàng)意表達(dá)。他表示，MMW（多模態(tài)描述子）將不只局限于圖片和視頻，也可以引入其它模態(tài)的信息，例如聲音、運(yùn)動軌跡等，讓用戶實現(xiàn)更加豐富的表達(dá)。

數(shù)據(jù)顯示，自去年6月發(fā)布以來，可靈AI已累計完成超20次迭代。來自世界各地的超1.5萬開發(fā)者和企業(yè)客戶，將可靈的API應(yīng)用于不同的行業(yè)場景中。自去年6月上線至今的10個月時間里，可靈AI的月活用戶數(shù)量增長25倍，截至目前，全球用戶規(guī)模突破2200萬。

據(jù)蓋坤介紹，可靈和可圖兩款模型在團(tuán)隊內(nèi)部的多項勝負(fù)率評測中，均穩(wěn)居業(yè)內(nèi)第一。例如在文生視頻領(lǐng)域，可靈2.0對比谷歌Veo2的勝負(fù)比為205%，對比Sora的勝負(fù)比達(dá)367%。

值得注意的是，當(dāng)前圖生視頻約占到可靈AI視頻創(chuàng)作量的85%，圖片質(zhì)量也對視頻的生成效果產(chǎn)生重要作用。

據(jù)快手副總裁、可靈AI負(fù)責(zé)人張迪介紹，可圖2.0文生圖能力也迎來全面升級，在風(fēng)格化響應(yīng)上，可圖2.0可支持60多種風(fēng)格化的效果轉(zhuǎn)繪，模型出圖創(chuàng)意和想象力實現(xiàn)大幅躍升。

同時，可圖2.0也上線圖像可控編輯功能：局部重繪和擴(kuò)圖，支持圖片的增加、修改和修復(fù)。在圖像的多模態(tài)可控生成中，可圖2.0還上線風(fēng)格轉(zhuǎn)繪功能，只需要上傳一張圖片加上風(fēng)格描述，就能一鍵切換圖片的藝術(shù)風(fēng)格，同時精準(zhǔn)保留原圖的語義內(nèi)容。

除C端訂閱用戶，可靈AI也面向B端商家提供API接入等服務(wù)。目前，可靈AI已與包括小米、亞馬遜云科技、阿里云、Freepik、藍(lán)色光標(biāo)等在內(nèi)的數(shù)千家國內(nèi)外企業(yè)客戶建立合作關(guān)系。

在營收數(shù)據(jù)方面，快手2024年三季度財報數(shù)據(jù)顯示，可靈AI在2024年9月實現(xiàn)月活超150萬；商業(yè)化單月流水也超過千萬人民幣。另據(jù)2024年快手四季度及全年財報，自可靈AI開始商業(yè)化變現(xiàn)至2025年2月，可靈AI的累計營業(yè)收入已經(jīng)超過1億元。

AI視頻是互聯(lián)網(wǎng)公司集體發(fā)力的賽道，去年12月，騰訊混元大模型發(fā)布AI視頻生成大模型，同時宣布開源，參數(shù)量達(dá)到130億，為當(dāng)時最大的視頻開源模型，字節(jié)跳動、MiniMax、智譜AI等國內(nèi)大廠和頭部初創(chuàng)公司也推出了相應(yīng)產(chǎn)品。