像修圖一樣修視頻？實(shí)測(cè)快手可靈 O1，這才是創(chuàng)作者想要的神器

文 / 道哥

來(lái)源 / 智百道

年關(guān)將至，AI行業(yè)的熱鬧不減反增，快手旗下視頻生成大模型可靈放出大招，直接端上靈感周，從12月1號(hào)到5號(hào)每天都要上新。

仔細(xì)來(lái)看，這次更新涵蓋了多模態(tài)圖片、視頻大模型、數(shù)字人、音效生成、主體庫(kù)等新品。

特別的是第一天更新的可靈AI視頻“O1模型”，更是號(hào)稱(chēng)“全球首個(gè)統(tǒng)一多模態(tài)視頻模型”。

熟悉的人都知道之前可靈大模型名稱(chēng)都是以數(shù)字命名，比如，可靈1.6、2.5turbo，這次卻起名為O系列，這里的O是OMNI的O，意思就是全部、所有。

在海外網(wǎng)友更是用“insane”來(lái)大贊可靈O1。

那么具體體驗(yàn)究竟如何？

01 實(shí)測(cè)可靈O1多模態(tài)模型

在我看來(lái)，相比起之前的可靈2.5turbo，可靈O1最凸顯的特點(diǎn)是交互性的便捷度再提升——之前可靈圖片2.1圖片模型與視頻2.5模型都是在不同的頁(yè)面，當(dāng)你想圖片編輯和視頻編輯時(shí)需要不停切換，現(xiàn)在有了O1，用戶只需要通過(guò)O1一個(gè)入口就可以實(shí)現(xiàn)跨模態(tài)任務(wù)創(chuàng)作，無(wú)需在不同工具間切換。

難怪有人評(píng)價(jià)，該技術(shù)實(shí)現(xiàn)了“像P圖一樣P視頻”的操作體驗(yàn)。

點(diǎn)進(jìn)去O1入口后，你可以在底部選擇切換視頻或圖片模型。

假如我們切到視頻模型，會(huì)發(fā)現(xiàn)有四個(gè)負(fù)責(zé)提升內(nèi)容一致性的快捷功能，被羅列在了可靈O1界面頂部。我們可以先選功能再生成，AI會(huì)更有針對(duì)性，生成效果也更穩(wěn)健流暢。

敲黑板，這個(gè)功能是創(chuàng)作者的福音。

專(zhuān)業(yè)創(chuàng)作者動(dòng)輒創(chuàng)作長(zhǎng)達(dá)數(shù)十分鐘的內(nèi)容，對(duì)內(nèi)容的可控性要求一直很高。沒(méi)有人臉一致性，廣告商、電影制作人等商業(yè)創(chuàng)作者就難以將視頻生成模型當(dāng)作可靠工具使用。

其中一個(gè)快捷功能為主體庫(kù)。這就好比內(nèi)容生成的參考系，讓AI別隨意發(fā)揮，而是按照主體庫(kù)的樣本進(jìn)行創(chuàng)作。你不光可以選擇官方主體也可以自行創(chuàng)建主體庫(kù)。

先從官方主體庫(kù)來(lái)看，包含各種熱門(mén)素材，人物欄里，直接給了魯迅和林黛玉的影視形象，動(dòng)物則有這兩年在網(wǎng)上很火的安卓貓、水豚、香蕉貓等。繼續(xù)翻，主體還延伸到了道具、服飾、場(chǎng)景和特效，基本把一支視頻里會(huì)需要用到的主要元素，都整理成了可復(fù)用的素材。

對(duì)創(chuàng)作者來(lái)說(shuō)，可以把制作好的素材存儲(chǔ)起來(lái)，方便隨時(shí)調(diào)用，而不是從文件夾里從新上傳素材，再制作，效率大有改善。

這次更新最實(shí)用的功能，是視頻編輯，分別是指令變化和視頻參考。因?yàn)橐郧暗目伸`，是完全沒(méi)有辦法對(duì)視頻進(jìn)行編輯或參考的，但是這次，終于解決了這個(gè)痛點(diǎn)。

那么，可靈作為編輯的能力如何？

以視頻生成這是創(chuàng)作者實(shí)際場(chǎng)景中十分實(shí)用的功能，我們以日常生活場(chǎng)景為例，輸入指令，“布偶貓和兔子玩鬧，卡通版”，可靈可以按照指令生成順滑的視頻。

以視頻增加與修改來(lái)看，我還想將視頻中的兔子元素替換成《瘋狂動(dòng)物城》中的朱迪，還是這個(gè)界面，我直接導(dǎo)入視頻，與朱迪兔的圖片，輸入指令“把視頻里的兔子換成朱迪”即可。

整體體驗(yàn)下來(lái)，O1多主體元素的鏡頭切換里確實(shí)能穩(wěn)住一致性，局部編輯也很自然，日常修瑕疵完全夠用，還能生成10s長(zhǎng)視頻，對(duì)長(zhǎng)視頻創(chuàng)作者非常友好。特別的是，生成視頻時(shí)長(zhǎng)可以從3秒到10秒，比例也包含9:16、1:1、16:9。

圖片生成的話，只需要在頁(yè)面底部切換模型即可。

讓小編十分欣喜的是，可靈生成模式支持1K、2k，涵蓋主流常用比例，當(dāng)然為了避免開(kāi)盲盒，你也可以選擇生成的數(shù)量，從中選取自己最滿意的即可。

02 音畫(huà)同步，告別無(wú)聲視頻

這次靈感周的重磅更新還有可靈2.6主打音效同步，也就是說(shuō)，我們終于不用只看無(wú)聲視頻了！

現(xiàn)在用可靈2.6，輸入文字不僅能生成畫(huà)面，還能自動(dòng)配上雙語(yǔ)對(duì)話、環(huán)境音效甚至背景音樂(lè)！小編想讓伏地魔臣服于九頭蛇組織，輸入prompt“伏地魔拿著魔杖打斗，然后站立，大喊九頭蛇萬(wàn)歲”，最后實(shí)際效果如下。你會(huì)發(fā)現(xiàn)伏地魔中文發(fā)音字正腔圓，整個(gè)畫(huà)面也比較流暢，細(xì)膩。

很多人會(huì)拿可靈和國(guó)外的Sora 2比，但對(duì)我們來(lái)說(shuō)，可靈2.6有兩個(gè)本土化優(yōu)勢(shì)。

第一、就像剛才說(shuō)的中文能力好。

相比 Sora 對(duì)中文支持的捉襟見(jiàn)肘，常出現(xiàn)發(fā)音錯(cuò)誤，作為土生土長(zhǎng)的中國(guó)模型，可靈2.6 對(duì)中文語(yǔ)境和發(fā)音的把控游刃有余。

第二、成本更低：生成10秒1080P視頻，可靈只要2元，Sora要5元，相當(dāng)于打了4折。

據(jù)了解，未來(lái)，可靈還會(huì)支持4K超高清和自定義聲音，說(shuō)不定明年，普通人就能以很低的成本將自己的創(chuàng)意落地為一部AI電影。

當(dāng)然，還有讓品牌與主播看到新機(jī)遇的數(shù)字人模型Avatar 2.0。

以往做個(gè)數(shù)字人視頻，或許得找專(zhuān)業(yè)的數(shù)字人團(tuán)隊(duì)，成本也高。現(xiàn)在只需一張人物照片、一段音樂(lè)音頻，就能一鍵生成長(zhǎng)達(dá)5分鐘的唱歌視頻。

從可靈官方發(fā)布的視頻來(lái)看，和以前那些只會(huì)僵硬對(duì)口型的數(shù)字人相比，現(xiàn)在的數(shù)字人更活靈活現(xiàn)，能隨著旋律自然地?fù)P眉、眼神含笑、肢體起伏。

此外，Avatar 2.0在表情控制上有了進(jìn)步。以前AI人物的表情更像一個(gè)假人，現(xiàn)在的數(shù)字人能流露自然情緒。動(dòng)作設(shè)計(jì)也更靈活了，不只是頭部唇同步，全身表演，像肩膀聳動(dòng)、手勢(shì)強(qiáng)調(diào)，都能和音樂(lè)完美契合。測(cè)試基準(zhǔn)顯示，在375個(gè)“參考圖–音頻–文本提示”樣例中，該模型在復(fù)雜歌唱場(chǎng)景下的響應(yīng)準(zhǔn)確率高達(dá)90%以上，不管是真人、AI生成圖像，還是動(dòng)物或卡通角色都能支持。

從背后的技術(shù)細(xì)節(jié)來(lái)拆分，Avatar 2.0的厲害之處在于它的多模態(tài)導(dǎo)演模塊（MLLM Director）。這個(gè)模塊把多模態(tài)大語(yǔ)言模型（MLLMs）融合在一起，能把用戶輸入的圖像、音頻和文本提示這三要素，變成一條連貫的故事線。系統(tǒng)先從音頻里提取語(yǔ)音內(nèi)容和情感軌跡，同時(shí)，從單張照片里識(shí)別人像特征和場(chǎng)景元素，再結(jié)合用戶給的文本，最后，通過(guò)文本跨注意力層把信息注入視頻擴(kuò)散模型，生成全局一致的“視頻”。

03 可靈——快手的新增長(zhǎng)曲線

PMF一直是AI行業(yè)的熱詞，資本市場(chǎng)有關(guān)AI技術(shù)能否賺錢(qián)，何時(shí)賺錢(qián)的爭(zhēng)論從未停歇。

程一笑今年早些時(shí)候曾判斷，科技行業(yè)的競(jìng)爭(zhēng)，關(guān)鍵就在于誰(shuí)能夠把AI技術(shù)和具體應(yīng)用場(chǎng)景結(jié)合得更好。快手能否將AI質(zhì)地打磨得更加扎實(shí)，自然也就成了檢驗(yàn)其演進(jìn)方向的重要標(biāo)尺。

與阿里、騰訊、字節(jié)偏向構(gòu)建基礎(chǔ)設(shè)施的策略不同，快手展現(xiàn)出了更強(qiáng)的實(shí)用主義色彩。 去年，快手便聚焦視頻生成發(fā)布了可靈AI，發(fā)布時(shí)間甚至比字節(jié)的即夢(mèng)AI早了兩個(gè)月。

也正是因?yàn)楦鼊?wù)實(shí)的戰(zhàn)略預(yù)判，這場(chǎng)AI燒錢(qián)競(jìng)賽中，一直積極布局AI技術(shù)的快手仿佛是個(gè)“局外人”，因?yàn)橐呀?jīng)在AI視頻賽道見(jiàn)到了真金白銀。

在快手三季報(bào)中，AI更是貫穿全篇，被提及多達(dá)48次，頻率遠(yuǎn)超前兩個(gè)季度。

除了B端創(chuàng)作者，可靈 AI大模型目前已深入應(yīng)用于廣告素材生成、短劇制作、智能客服等多個(gè)核心業(yè)務(wù)場(chǎng)景，并持續(xù)創(chuàng)造可觀收入。

財(cái)務(wù)數(shù)據(jù)直觀地印證了這一增長(zhǎng)態(tài)勢(shì)，可靈AI的收入呈現(xiàn)爆發(fā)式增長(zhǎng)，2025年第一季度收入為1.5億元，第二季度躍升至超2.5億元，第三季度更突破3億元。快手預(yù)計(jì)，該業(yè)務(wù)全年收入有望逼近10億元，較年初目標(biāo)4.3 億元實(shí)現(xiàn)翻倍增長(zhǎng)。

這清晰地表明，AI 技術(shù)與快手主營(yíng)業(yè)務(wù)之間已形成強(qiáng)大的協(xié)同效應(yīng)，其商業(yè)化路徑日益清晰。

從機(jī)構(gòu)的看法來(lái)看，AI已經(jīng)不再是一個(gè)單點(diǎn)工具，更像是一個(gè)影響全生態(tài)的發(fā)動(dòng)機(jī)。

西部證券認(rèn)為，在生成式AI應(yīng)用加速落地的背景下，快手基于多模態(tài)大模型技術(shù)積極迭代軟硬件，或?qū)⑦M(jìn)一步促進(jìn)公司主營(yíng)業(yè)務(wù)持續(xù)增長(zhǎng)，同時(shí)，公司生成式AI應(yīng)用不斷推進(jìn)技術(shù)落地和商業(yè)化也有望為公司帶來(lái)新的增量空間。

12月2日，港股上市公司快手盤(pán)初沖高超5%，表現(xiàn)強(qiáng)勁，截至發(fā)稿前，65.35港元/股。這一積極市場(chǎng)反應(yīng)的背后，是公司在人工智能領(lǐng)域的持續(xù)進(jìn)步獲得市場(chǎng)認(rèn)可。

在AI敘事祛魅的當(dāng)下，市場(chǎng)不再盲目迷信概念，而是開(kāi)始審視落地能力與商業(yè)回報(bào)。

快手可靈O1的發(fā)布，不僅是一次產(chǎn)品迭代，更像是對(duì) AI 視頻賽道進(jìn)入深水區(qū)的一種回應(yīng)，企業(yè)追求的不僅要技術(shù)炫酷，更要從交互、成本、應(yīng)用場(chǎng)景上解決實(shí)際痛點(diǎn)。 在這場(chǎng)關(guān)于未來(lái)的競(jìng)賽中，堅(jiān)持實(shí)用主義的快手，在AI視頻賽道已經(jīng)領(lǐng)先一個(gè)身位。

*題圖由AI生成