科技日报记者 崔爽
4月15日，可灵AI在北京举行“灵感成真”2.0模型发布会，正式发布可灵2.0视频生成模型及可图2.0图像生成模型。
快手高级副总裁、社区科学线负责人盖坤在会上表示，AI在辅助创意表达上拥有巨大潜力，但当前的行业发展现状还远远无法满足用户需求，要实现“用AI讲好每一个故事”的愿景，必须对基模型能力进行全方位提升，定义人和AI交互的“全新语言”。
据介绍，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。3月27日，全球AI基准测试机构Artificial Analysis发布了最新的全球视频生成大模型榜单，快手可灵1.6pro（高品质模式）登陆图生视频（Image to Video）赛道榜首。
值得注意的是，本次2.0模型的迭代中，可灵AI正式发布AI视频生成的全新交互理念Multi-modal Visual Language（MVL），让用户能够结合图像参考、视频片段等多模态信息，将脑海中包含身份、外观、风格、场景等在内的多维度复杂创意，直接高效地传达给AI。
盖坤解释，MVL由TXT（Pure Text，语义骨架）和MMW（Multi-modal-document as a Word，多模态描述子）组成，能从视频生成设定的基础方向以及精细控制这两个层面，精准实现创作者们的表达。
基于MVL理念，可灵AI推出多模态编辑功能。MMW将不只局限于图片和视频，也可以引入其它模态的信息，例如声音、运动轨迹等，让用户实现更加丰富的表达。
基于MVL这一全新交互方式，快手副总裁、可灵AI负责人张迪发布全新的可灵2.0大师版，这一版本全面升级视频及图像创作可控生成与编辑能力，并上线全新的多模态视频编辑功能。
张迪介绍，可图2.0文生图能力也全面升级，包括大幅提升指令遵循能力、显著增强电影美学表现力以及更多元的艺术风格等。
数据显示，去年6月发布以来，可灵AI已累计完成超20次迭代，截至目前，全球用户规模突破2200万。来自世界各地的超1.5万开发者和企业客户，将可灵的API（应用程序接口）应用于不同的行业场景中。
为进一步激发AI爱好者们的创作热情，快手副总裁、可灵AI负责人张迪还在会上正式发起“可灵AI NextGen 新影像创投计划”，加大对AIGC创作者的扶持力度。同时，可灵AI面向全球创作者发出征集邀约，邀请用户共同打造全球首支用户共创AI创意短片。
盖坤表示，可灵AI将持续大力推动技术创新，用人与AI交互的全新语言，帮助用户实现复杂创意的精确表达。“我们的初心，是让每个人都能用AI讲出好的故事，我们也真切希望这一天更快到来。”他说。
（主办方供图）
