新京報貝殼財經(jīng)訊（記者羅亦丹）“相信我，這是你能用到的最強大的視覺生成模型。”4月15日，快手高級副總裁、社區(qū)科學(xué)線負責(zé)人蓋坤在可靈2.0模型發(fā)布會上說。

這是在可靈1.0發(fā)布10個月后，快手方面對可靈全系模型的一次重要升級，包括文生圖視頻“可圖大模型2.0”，以及視頻生成大模型“可靈大模型2.0”。蓋坤介紹，可靈2.0模型在動態(tài)質(zhì)量、語義響應(yīng)、畫面美學(xué)等維度，保持全球領(lǐng)先；可圖2.0模型在指令遵循、電影質(zhì)感及藝術(shù)風(fēng)格表現(xiàn)等方面顯著提升。

貝殼財經(jīng)記者注意到，可靈2.0還上線了一種可以將文字、圖片、短視頻甚至MMW等不同格式文件結(jié)合起來一起編輯的新交互模式“MVL（Multi-modal Visual Language直譯為多模態(tài)視覺語言）”。

據(jù)了解，當前視頻生成主要分文生視頻和圖生視頻兩種，快手副總裁、可靈AI負責(zé)人張迪就披露，85%的視頻創(chuàng)作通過圖生視頻完成。有AI創(chuàng)作者告訴記者，當前業(yè)界主流的視頻制作方式是首先通過文字生成圖片，再通過圖片生成視頻。

而在蓋坤的演示中，通過MVL方式，用戶能夠結(jié)合圖像參考、視頻片段等多模態(tài)信息，將腦海中的多維度復(fù)雜創(chuàng)意傳達給AI，而不僅僅是文字的提示語句。如下圖所示，用戶使用AI生成視頻時，在提示詞中也可以夾帶圖片或視頻。

快手高級副總裁、社區(qū)科學(xué)線負責(zé)人蓋坤演示多模態(tài)交互方式。新京報貝殼財經(jīng)記者羅亦丹/攝

“我們的理念是致力于研發(fā)很強大的基礎(chǔ)模型，同時致力于定義一個人和AI更完備的溝通方式，而這背后，我們的愿景是讓每個人都能用AI講出好故事，希望這個愿望早日成真?！鄙w坤說。

編輯 陳莉 校對 柳寶慶