新京報(bào)貝殼財(cái)經(jīng)訊（記者羅亦丹）“相信我，這是你能用到的最強(qiáng)大的視覺(jué)生成模型?！?月15日，快手高級(jí)副總裁、社區(qū)科學(xué)線負(fù)責(zé)人蓋坤在可靈2.0模型發(fā)布會(huì)上說(shuō)。
這是在可靈1.0發(fā)布10個(gè)月后，快手方面對(duì)可靈全系模型的一次重要升級(jí)，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(dòng)態(tài)質(zhì)量、語(yǔ)義響應(yīng)、畫(huà)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(cái)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(lái)一起編輯的新交互模式“MVL（Multi-modal Visual Language直譯為多模態(tài)視覺(jué)語(yǔ)言）”。
據(jù)了解，當(dāng)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(fù)責(zé)人張迪就披露，85%的視頻創(chuàng)作通過(guò)圖生視頻完成。有AI創(chuàng)作者告訴記者，當(dāng)前業(yè)界主流的視頻制作方式是首先通過(guò)文字生成圖片，再通過(guò)圖片生成視頻。
而在蓋坤的演示中，通過(guò)MVL方式，用戶(hù)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(dá)給AI，而不僅僅是文字的提示語(yǔ)句。如下圖所示，用戶(hù)使用AI生成視頻時(shí)，在提示詞中也可以?shī)A帶圖片或視頻。
快手高級(jí)副總裁、社區(qū)科學(xué)線負(fù)責(zé)人蓋坤演示多模態(tài)交互方式。新京報(bào)貝殼財(cái)經(jīng)記者羅亦丹/攝
“我們的理念是致力于研發(fā)很強(qiáng)大的基礎(chǔ)模型，同時(shí)致力于定義一個(gè)人和AI更完備的溝通方式，而這背后，我們的愿景是讓每個(gè)人都能用AI講出好故事，希望這個(gè)愿望早日成真。”蓋坤說(shuō)。
編輯 陳莉 校對(duì) 柳寶慶
