“中国版Sora”来了！仅需一张全身照，就可以原地“唱跳”，分辨率高达1080p！来看效果→

据新华社，近日，快手“可灵”视频生成大模型官网正式上线。相较此前各家放出的视频大模型以展示视频为主，本次亮相的可灵大模型已在快手旗下的快影App开放邀测体验。

图片来源：可灵大模型官网

据官网介绍，快手在短视频技术方面有多年的深入积累，其视频生成大模型也有天然、广泛的应用场景。可灵大模型为快手AI团队自研，具备诸多优势：能够生成大幅度的合理运动；能够模拟物理世界特性；具备强大的概念组合能力和想象力；生成的视频分辨率高达1080p，时长高达2分钟（帧率30fps），且支持自由的宽高比。

“可灵”大模型为快手AI团队自研，基于快手在视频技术方面的多年积累，采用“Sora”相似的技术路线，结合多项自研技术创新，效果对标“Sora”。

据悉，可灵使用了与Sora一样的Diffusion Transformer架构，3D时空联合注意力机制等，该架构巧妙地融合了时间与空间的信息，对视频数据进行综合分析和处理。

可精准捕捉到视频帧内的局部空间特征以及跨帧的时间动态特征，从而更全面地理解和再现视频中的运动信息。

所以，无论是快速移动的物体、剧烈变化的场景，还是复杂的人物动作都能被精确捕捉，使得生成的视频内容动态性十足，同时具有很高的物理世界真实感。

让我们一睹官方效果，动图截取有压缩，画质逊于展示视频，效果以官网为准。

提示词：两朵花在黑色背景下缓慢绽放，展示出细腻的花瓣和花蕊

提示词：一只手将牛奶从钢制打奶壶倒入桌上一杯咖啡中，背景为模糊的厨房

基于对文本-视频语义的深刻理解和 Diffusion Transformer 架构的强大能力，可灵能够将用户丰富的想象力转化为具体的画面，虚构真实世界中不会出现的场景。

提示词：一只戴眼镜的小白兔坐在咖啡馆的椅子上看报纸，桌上有一杯热咖啡

基于自研的3D人脸和人体重建技术，结合背景稳定性和重定向模块，实现表情肢体全驱动技术，仅需一张全身照片，即可体验生动的“唱跳”玩法。

公开资料显示，快手已先后发布通用大语言模型“快意”、文生图大模型产品“可图”，还推出了Direct-a-Video、Video-LaVIT、I2V-Adapter、UNIAA等视频关键技术，引发了广泛关注。据悉，伴随此次可灵大模型的发布，快手将持续加速大模型的研发与应用，带来更加多元的AI创作与互动体验。

编辑|段炼 杜宇 杜恒峰

校对|何小桃

每日经济新闻综合自新华社、公开资料等