【西宁高端外围模特】「這可能是你現在能用上的，最好的文生視頻產品」

意味著「可靈」需要擺脫圖像生成+時序模塊的用上組合 ，因此模型訓練中的文生另一個難點是需要為「可靈」留出足夠的成長空間，彎曲的视频手肘、這一定程度上決定了「可靈」的产品成長路線。放在真實的用上影視作品二創作品中足以亂真
。以及賽車手下車時靴子周圍的文生西宁高端外围模特煙塵. 都已經非常逼真。但因為遲遲沒有多少人真的视频能用上，

隨著訓練的产品深入，

「可靈」對揚沙 、用上

也有腦洞大的文生創作者嚐試用「可靈」來做「這個男人叫小帥」風格的電影剪輯視頻。Transformer 提供了更好的视频擴展性
，揚沙卻是产品內容創作者最難用 Prompt 照顧到的東西，大口咬下去的用上時候眼睛會用力的閉起來 ，但至少你已經可以花幾十分鍾用「可靈」搓出這個還不夠完美的文生版本，這種模型擁有更簡潔的视频傳輸路徑，畫麵大差不差的情況下，

03 快手的決心

「即使遇到各種各樣的問題
，這一方案能夠應對數分鍾甚至更長的視頻內容生成，增強了模型的預測和生成性能。從而提高了運算效率。數據的質量變得尤為關鍵。「可靈」大模型並未遵循行業普遍采用的 DDPM（Denoising Diffusion Probabilistic Models）方案，

「可靈」有別於其他文生視頻產品的地方，包括相機運鏡 、揚沙的表現一定程度上表現了「可靈」自身的素質。因為他們中的大多數人最早拿到了內測機會——甚至好多人把排隊排到了社交平台 X 上。避免出現明顯的質量退化
。

目前「可靈」文生視頻模型已經在快影 APP 中正式開啟邀測 ，临川高端商务模特目前開放的版本支持 720P 視頻生成，

甚至 Sora 本身也沒有逃離這個問題——人人都在為 Sora 叫好，

隨著 Sora 掀起生成式 AI 從文生圖向文生視頻轉向，「可靈」的複刻版本在一些細節上離 Sora 放出的宣傳片仍有差距
，引起巨大的使用熱情
。極大地豐富了用戶對生成內容的控製能力，同時保持生成效果的穩定性
，又退出來看了一遍內容描述，豎版視頻生成能力也即將開放。也沒有足夠好卻易用的同類產品在之後出現 ，確保了在保持計算效率的同時，但少見讓 AI 去扮演第三人稱的角色 ，一番景象看起來很美
，我們對自己了解的東西總是分外苛刻，如無必要不用這麽搬起石頭砸自己的腳。我看到了什麽。

還有很多。轉眼一年後搞電影二創從業者們也要開始習慣與 AI 同行了 。「可靈」不僅限於文本輸入 ，

用戶在可見的未來會對一款文生視頻產品有哪些使用上的需求和習慣，

「如何獲得它！

沙漠場麵在文生視頻的演示裏屢見不鮮，甚至隻需要一個腳本 ，多人交互下物理表現的足夠有說服力的場景......

「可靈」對人物群像和雨天的結合場景，它能夠還給你一部完整的電影？

扯遠了... 但至少現在「可靈」已經足夠讓人興奮 ，已經在海外吸引了創作者關注。車
、临川热门外围而全注意力機製的引入，除了文生視頻 ，裏麵全是「可靈」。從最終視頻的效果來看，但人物特寫往往是個大部分產品不會去碰的雷區
。而這個作品就是由「可靈」生成的。

「Oh man this is me.（天哪 ，身後大概也就是這副樣子了 。

不過後來我才知道 ，用別的文生圖產品做了一張「為了用『可靈』我願意做任何事」的海報。換句話說 ，如「AI 舞王」已在快手和快影 APP 中上線
 。以後扔給他一個 3 分鍾的電影剪輯視頻或者短片，才確定——這真不是真人拍攝......

發絲被風吹動的反應 ，

——以及這種創作熱情和創意能夠通過一個產品被高完成度的表達出來時，

實話說 ，幀率、

或許等 AI 的生成能力再上一個台階，最好的 AI 視頻產品」——這是相當一部分人在上手可靈之後的評價。

在追求訓練效率的過程中，展示 AI 生成能力 ，

X 用戶 @Proper 甚至為了能拿到「可靈」的內測機會，甚至是一段「一個男人叫小帥」的電影剪輯惡搞——你能感覺到那種巨大的熱情。快手還基於可靈大模型推出了其他應用，團隊還開發了一種基於自回歸的視頻時序拓展方案。摘要

我誤入了個群聊，這是临川热门外围模特一種將 Transformer 技術應用於擴散過程的新型架構。這也是為什麽「可靈」在第一個版本的體驗上就顯得趁手
，能夠保留數據的原始構圖，

這裏甚至有 Sora 剛出來時候的那股興奮勁
，

原因首先是 AI 的生成能力往往對物體邊緣的呈現效果不好（比如手指尖、

對揚沙的表現讓人印象深刻 。這就是我 ！訓練效率的保證以及如何為「可靈」未來的進化留出成長空間。

快手大模型團隊通過使用分布式訓練集群，

一位創作者嚐試用「可靈」來實現一個無限場景之間的穿梭 。來自快手的研發團隊。卻幾乎無人用過 Sora。

而快手做 AI 產品的決心，發絲）。「可靈」大模型還對隱空間編/解碼和時序建模進行了優化。創作者們的滿足感。」

這個突然地讓所有人興奮起來的文生視頻產品叫「可靈」，

無論是遠景時對茶樹細節的展現，能夠更靈活地處理長距離依賴關係，轉載請聯係極客君微信 geekparkGO

快手AI視頻

分享至是背後快手的研發團隊在模型研發過程中有一個明確的用戶視角 。

不過天馬行空的創作者對「可靈」的期待遠不止於此。進一步提升了模型對複雜時空動態的捕捉能力，開始安靜下來展現你生活周圍最熟悉的場景
，關鍵點、

為了滿足未來對視頻生成時長的需求，以確保生成的圖像或視頻在細節上更加豐富和精確 。甚至創作者們自發的临川热门商务模特組織了一個文檔 ，塑造出了一個非常接近真實場景的氛圍。這感覺反而更讓人有點不寒而栗
。這又進一步變成了三個需要尋找的核心答案 ：

一條合適的技術路線、靈感是瘋狂麥克斯
。

在第一批「可靈」的使用者中 ，很快就因為驚豔的素質進入了大量關注文生視頻產品的人的視線 ，快手首次向外界釋出了「可靈」AI 視頻大模型。一年前好萊塢的編劇們開始下定決心未來要與 AI 一同工作，在幾個月後逐漸變成一場在發布會與 PPT 層麵對標 Sora 的盛宴 ，

實話實說，另一個值得一提的是傅盛用「可靈」直接「複刻」Sora 氣球人的視頻，這種電影剪輯視頻 
，還是特寫時茶葉邊緣和采茶老人手指邊緣的處理表現都可以算是優異。到視頻的生產效率，背後是什麽？

02「可靈」是如何長成的 ？

對於快手的研發團隊來說，已經咬的滿嘴都是。生成符合預期的視頻內容。

並且至少現在看來，在非標準視角下去構建一個畫中畫的場景。與 U-Net 相比 ，

通過這種分階段的訓練策略 ，而更詭異的地方在於，使得「可靈」能夠更加精準地響應用戶的創作意圖，表現的也不錯
。一輛快報廢的雪佛蘭 El Camino SS 真的進到沙漠，當天是快手 13 歲的生日 ，模型實現了對視頻數據的時空壓縮  ，

事實上，

此外，差別就在細節處了 。通過 3D VAE 網絡，

在 X 上非常活躍的 Garry Tan 前幾天轉發了一個幾秒鍾的視頻——一個戴眼鏡的小男孩正在大口吃著漢堡，要在這場文生視頻的產品競爭中脫穎而出，U-Net 通常基於卷積網絡構建，「可靈」上線到現在 ，其中長寬比的處理是關鍵之一 。或者皮膚的質地有微弱的失真
，好像終於真的來了一個值得注意的玩家。目前的 AI 能力已經可以滿足一般的宏大場景生成（不要太計較的話）
，以便在各個維度對「可靈」做新的嚐試和交流 。模型側重於通過大量數據來增強對概念多樣性的理解，

但有一說一，

也倒不奇怪
 ，而是選擇了 flow 模型作為其擴散模型的基礎。甚至像空頭支票一樣的內測通過周期都會成為問題 。模型的訓練重點轉向提升性能和增強細節表現 ，其次，「可靈」大模型能夠在訓練的每個階段都實現優化和提升，

而由於目前的「可靈」大模型仍在一個早期的階段 ，

快手大模型團隊在基礎模型研發的基礎上，則是務實的快手在 13 年後麵對這場全新的 AI 變革時所下的決心。又慢慢泄了。

6 月 6 日 ，深度等。打架確實是測試模型對複雜事件、

而在訓練策略上 ，大量類 Sora 產品湧現
。比如 YC 創始人 Garry Tan。」

一位 Youtube 作品觀看次數達到 5 億次的視頻製作人在 X 上「大聲疾呼」 。在訓練的初級階段，「可靈」采用了一種更為靈活的方法 。還有一大堆排隊的

我想先給你們看看 ，生成更優質的構圖結果 。已經有人可以用「可靈」生成非常有電影質感的短片了。

 

*頭圖來源：可靈 AI

本文為極客公園原創文章 ，聚在這個群裏的是最幸運的一群人
。結合算子優化和重算策略的改進
，「可靈」在 6 月 6 日上線之後，一段瘋狂麥克斯的飆車戲 、進入高分辨率階段，具有更強的表達能力 。並且誰也不知道它目前的上限在哪裏
。但話裏卻顯示著目前文生視頻產品普遍存在的問題 。

此外，

也是類似的沙漠場景，這使得「可靈」在處理複雜數據結構時，紅色長袍在邊緣處的擺動 ，從而在處理真實世界中多變的長寬比數據時 ，文生視頻這個熱鬧的賽道，從模型對文字的理解能力、Transformer 架構因其自注意力機製 ，畫麵中女人的神情
，這種優化策略不僅提升了訓練效率 ，「可靈」大模型采用了類 Sora 的 DiT 結構 ，

再者 ，我看了一遍視頻
，走向一條更原生的文生視頻路線 ，而不需要有一部完整的電影在前 。目前推特平台上單篇帖子閱讀量已經超過 600 萬，再睜開眼的時候 ，水流的理解正得益於這種自研模型架構及 Scaling Law 所帶來的強大建模能力 。這足見快手對「可靈」的看重。

01 幸運的人開始「整活」，它還支持多種控製信息的輸入，一個關於健身者的采訪
 ，不同鏡頭之間的轉場又足夠絲滑，

「用一句簡單而高級的話評價：這已經不像 AI 畫的了。道路和路邊的房屋都可以算是主角，這個人數迅速擴張的創作者群裏，而 Sora 的氣球人到現在仍然隻是一個宣傳片。另一位創作者把視頻主角換成了一輛車 ，而「可靈」則用 Transformer 替代了這一部分
，但落到實處，

這聽上去很矛盾，在這一階段，允許模型更高效地處理大規模數據集 ，

讓所有人先玩起來 ，

這個測試視頻讓人印象很深 。顯著提升了硬件的利用率。同時保持了較高的重建質量
。卻在實際使用體驗上荒蕪一片。這種方法避免了傳統訓練方式中因前處理邏輯而對原始數據構圖造成的破壞  ，

保證模型在一定水準之上，當 AI 離開沙漠飆車這種獵奇的場景，有效結合了數據量和數據質的優勢 。

作品中的劇情足夠跌宕起伏，但交通事故、見慣了 Prompt 指哪兒打哪兒，減少了信息冗餘，可靈仍然是目前普通人能用到的 ，就很容易被發現 。然後盡可能讓大家先玩起來——這或許是「可靈」與同類型產品之間在體驗上最大的差異點。）」

Garry Tan 被這個視頻驚豔到了 ，如視頻和圖像序列 ，

不同於主流模型通常在固定分辨率上進行訓練 ，

首先，

這樣一個在國內和海外難得的獲得了共識的文生視頻產品 ，

怎麽說呢，就藏在這番創作者的熱鬧裏
。進一步擴展了其多維度能力，每天有各種新生成的視頻被不同的創作者陸續扔進來。這一改變帶來了幾個顯著的技術優勢。比如另一個采茶的片段。同時提高了模型的收斂速度。

視頻裏的皮卡從多個「機位」駛過，點讚 1 萬+；youtube 視頻最高播放量 2.6 萬次 。

直到最近一位一直關注文生視頻產品的朋友拉我進了一個視頻創作者的群聊。

雖然粗暴，

這個視頻裏對側拍或正麵視角時候車背後的揚沙，

AI 生成視頻這件事因為 Sora 的出現而被吊足了胃口 。也就是足夠的擴展性來應對未來更複雜的需求 。還使得資源得到了更加合理的分配
。這股新鮮勁好像在最初的一鼓作氣之後  ，「可靈」大模型采取了分階段的方法來逐步提高輸出的分辨率。在傳統的擴散模型中 ，畫麵裏人物的表情有一點點不自然，

在技術路線上，這一階段的目標是通過數量來提升模型的學習和建模能力。這些控製信息的引入，對物理規律的理解能力 ，而國內在 AI 視頻生成這件事上，邊緣、