全球首個(gè)多模態(tài)視頻與圖像創(chuàng)作工具“可靈O1”近日正式發(fā)布，標(biāo)志著視頻創(chuàng)作領(lǐng)域迎來(lái)重大突破。該工具以自然語(yǔ)言為核心指令框架，整合視頻、圖像、主體等多維度描述，將生成與編輯功能集成于統(tǒng)一平臺(tái)，為用戶提供從創(chuàng)意構(gòu)思到成品輸出的全流程解決方案。

作為首款大一統(tǒng)多模態(tài)模型，可靈O1基于多模態(tài)視覺(jué)語(yǔ)言（MVL）架構(gòu)，突破傳統(tǒng)單一任務(wù)模型的局限。其核心引擎支持參考生視頻、文生視頻、首尾幀生成、視頻內(nèi)容增刪、風(fēng)格轉(zhuǎn)換等十余種功能，用戶無(wú)需切換工具即可完成復(fù)雜創(chuàng)作流程。模型具備深度語(yǔ)義解析能力，可綜合理解照片、視頻或主體特征，精準(zhǔn)還原細(xì)節(jié)信息。例如，用戶輸入“移除畫(huà)面中的行人”或“將場(chǎng)景從白天改為黃昏”，系統(tǒng)會(huì)自動(dòng)完成像素級(jí)重構(gòu)，無(wú)需手動(dòng)標(biāo)注關(guān)鍵幀。

針對(duì)AI視頻創(chuàng)作中角色與場(chǎng)景一致性難題，可靈O1通過(guò)強(qiáng)化底層理解機(jī)制實(shí)現(xiàn)突破。模型能像專業(yè)導(dǎo)演般“記憶”主角、道具及場(chǎng)景特征，確保鏡頭切換時(shí)主體保持穩(wěn)定。在多主體融合場(chǎng)景中，系統(tǒng)可獨(dú)立鎖定每個(gè)角色特征，即使面對(duì)復(fù)雜群像戲或互動(dòng)畫(huà)面，仍能維持工業(yè)級(jí)精度。例如，用戶可將不同主體與參考圖自由組合，模型自動(dòng)協(xié)調(diào)各元素關(guān)系，生成自然流暢的視覺(jué)效果。

該工具的創(chuàng)新性體現(xiàn)在“技能組合”功能上。用戶可同時(shí)下達(dá)多重指令，如“在添加新主體的同時(shí)修改背景”或“基于參考圖生成時(shí)調(diào)整畫(huà)面風(fēng)格”，實(shí)現(xiàn)創(chuàng)意的疊加呈現(xiàn)。時(shí)間維度方面，創(chuàng)作者可自由定義3-10秒的敘事時(shí)長(zhǎng)，無(wú)論是短促的視覺(jué)沖擊還是長(zhǎng)鏡頭敘事，均能精準(zhǔn)控制。即將上線的首尾幀功能將進(jìn)一步擴(kuò)展時(shí)間軸選擇范圍，增強(qiáng)故事張力。

同步推出的可靈圖像O1模型構(gòu)建了完整的圖像創(chuàng)作鏈路。用戶既可通過(guò)文本描述生成基礎(chǔ)圖像，也能上傳最多10張參考圖進(jìn)行融合創(chuàng)作。該模型具備四大優(yōu)勢(shì)：特征穩(wěn)定性確保主體元素不偏移；細(xì)節(jié)響應(yīng)機(jī)制使修改符合預(yù)期；風(fēng)格調(diào)性控制維持畫(huà)面統(tǒng)一性；超強(qiáng)想象力賦予創(chuàng)意更多可能性。例如，在服裝設(shè)計(jì)場(chǎng)景中，用戶上傳實(shí)拍圖后，模型可精準(zhǔn)還原面料質(zhì)感，批量生成不同角度的展示視頻。

實(shí)際應(yīng)用場(chǎng)景中，可靈O1展現(xiàn)出強(qiáng)大適應(yīng)性。影視制作團(tuán)隊(duì)可利用其主體庫(kù)功能鎖定角色特征，快速生成連貫分鏡；自媒體創(chuàng)作者通過(guò)對(duì)話式指令即可完成視頻后期處理，如智能修補(bǔ)畫(huà)面瑕疵或調(diào)整色彩基調(diào)。廣告電商領(lǐng)域，該工具大幅降低實(shí)拍成本——用戶上傳商品圖、模特圖及場(chǎng)景圖后，系統(tǒng)能自動(dòng)生成多版本廣告視頻，解決模特約拍、背景更換等難題。某服裝品牌測(cè)試顯示，使用可靈O1制作的虛擬走秀視頻，其細(xì)節(jié)還原度達(dá)到專業(yè)拍攝水平的92%。

技術(shù)層面，可靈O1的突破源于底層架構(gòu)創(chuàng)新。全新視頻模型通過(guò)多模態(tài)Transformer與長(zhǎng)上下文理解機(jī)制，實(shí)現(xiàn)了生成、編輯、理解三大功能的深度融合。這種統(tǒng)一底座設(shè)計(jì)不僅提升了運(yùn)算效率，更開(kāi)創(chuàng)了視頻創(chuàng)作工具的新范式。據(jù)開(kāi)發(fā)團(tuán)隊(duì)透露，后續(xù)版本將增加4K分辨率支持及3D場(chǎng)景生成功能，進(jìn)一步拓展創(chuàng)作邊界。