難不成，AI 生成短劇時代真的要來了？
最近，各路影片生成 AI 放出的 Demo 讓人眼花繚亂。從玩梗圖、拼長度再到講究真實物理邏輯，層出不窮的人工智慧創意難分高下，個個都要跟 Sora 試比高。這時候，突然有人偷偷先行一步，搞出了「電影級」的表現：
從真實風格的光影效果：
來源：https://x.com/i/status/1806383419661730197
到豐富的想象力，要素齊全，都能搞定：
沒想到在 AI 眼裡，其實是蝙蝠俠能讓小丑繃不住。來源：https://x.com/blizaine/status/1806383419661730197
有的人已經在嘗試使用這種能力來完成複雜的任務。有影片生成的 AI，音樂生成的 AI，再加上一些 PS 和 AE，我們就可以製作出完整的 MV 了。
來源：https://twitter.com/Arata_Fukoe/status/1809840865063629292
你問網友們如何看待這種生成效果，網友要反問一句「好萊塢你怎麼看？」
這種 AI 影片生成的效果絲滑且精細，吸引了一大波點贊，仔細翻看，社交網路上由它出品的短影片還有不少。
據網友總結道，新款 AI 的優勢主要體現在生成大幅度運動時不容易亂腦補。再比如讓它圖生影片，一個奔跑的半人馬：
來源：https://x.com/StevieMac03/status/1809694320649465930
這些影片背後的生成式 AI，是快手旗下的大模型「可靈 AI」（Kling），幾個星期前它開始在全球網際網路上刷爆，那時就號稱「一號難求」。
沒錯，這不是先放出一些 Demo 搞 PPT 釋出，而是上來就直接開放的產品級應用。現在可靈 AI 已經上線了網頁版，主打一個簡單好用。
最新資料，可靈 AI 的申請使用者數量已經接近 70 萬，成了全網最熱的影片生成大模型。
一月數次升級，可靈 AI 的狂飆式進化
今年是生成式 AI 元年，早在 2 月份，OpenAI 的 Sora 就把競爭拉到了影片生成的高度。但率先落地的還數國內科技公司。
自 6 月 6 日正式亮相以來，才一個月的時間，快手可靈 AI 這一首個在海外 AI 圈引起熱議的國產大模型就經歷了三次迭代更新。
從最開始的文生影片，到兩週後支援圖生影片、影片續寫、多尺寸選擇，可靈 AI 表現得越來越出色、全面。影片生成的各種需求，不知不覺中似乎都被解決了。
就在上週末的世界人工智慧大會 WAIC 2024 上， 可靈 AI 迎來第三次大的升級，釋出了一系列新功能，在影片生成質感、美感、可玩性方面大大提升，帶來了創作體驗上的又一次躍升。
快手高階副總裁、快手主站業務與社群科學線負責人蓋坤介紹了此次可靈 AI 升級的三大亮點功能，包括高畫質版、首尾幀控制和相機鏡頭控制。
蓋坤
首先，可靈 AI 基礎模型再度升級，推出了更加清晰的高畫質版。升級後，生成影片的畫質相較於之前模型有了質的飛躍。
同時得益於更高的訓練時空解析度，可靈 AI 在生成細節、構圖、運鏡美觀性、光影方面都有很大改善。
從如下畫質的對比中，我們可以一目瞭然地看出可靈 AI 之前模型與最新模型之間的區別。
其次，可靈 AI 在圖生影片領域增加了實用且呼聲很高的「首尾幀控制」功能，讓首尾幀呼應的圖生影片成為了現實。
透過自定義起始幀和結束幀影像，讓使用者精確控制不同影片片段之間鏡頭的絲滑轉場，實現一鏡到底等效果。從實際生成結果來看，不僅動作自然流暢，畫質也能夠得到保證。這一功能的引入讓使用者擁有了更直觀、更便捷的編輯體驗，滿足了個性化的圖生影片需求。
比如將如下兩圖生成一段影片：
效果是這樣的：
最後，可靈 AI 增加了運鏡控制以及自動大師運鏡功能。在影片的世界中，更多鏡頭的組合可以捕捉更多畫面，並增強整體表現力。
可靈 AI 預設了六套經典的鏡頭控制方式，包括 Roll 旋轉運鏡、Tilt 垂直搖鏡、Pan 水平搖鏡、Vertical 垂直運鏡、Horizontal 水平運鏡和 Zoom 推進 / 拉遠，為不同場景提供了豐富的選擇。使用者還可以調節這些運鏡的正數、負數引數，從而控制運動的激烈或平緩程度以及反向運動等。同時，大師級運鏡有助於產出電影感十足的吸睛大片。
可以看到，隨著這些新功能的加入，可靈 AI 在影片清晰度、美學表現以及內容自定義控制方面有了肉眼可見的改進。
不僅如此，正式與使用者見面的可靈 AI 網頁版整合了文生圖、文生影片以及不久後將支援的影片編輯能力，成為釋出即可用的一站式視覺內容創作平臺。
其中新增的「首尾幀控制」和「運鏡控制」功能目前在網頁端提供，想要體驗的小夥伴可以速速去申請了！
可靈 AI 網頁版地址：klingai.kuaishou.com
用「誠意滿滿」來形容可靈 AI 此次的升級不為過，背後當然離不開快手在影片生成能力和技術上的持續創新突破。
「電影級」AI 生成，背後全是技術
相較於已經非常成熟的影像生成，影片生成任務更復雜，在實際應用中要面臨著真實性、動作連貫性、畫面流暢性、細節精度、場景、角色和光影一致性、物理準確性以及時長限制等諸多挑戰。
這些挑戰應對得好不好，將直接決定了模型的實用性和易用性。顯然，再度升級的可靈 AI 在這些方面有了脫胎換骨的變化。總結起來，可靈 AI 擁有七大能力亮點。
快手視覺生成與互動中心負責人萬鵬飛對這些能力一一展開了剖析，這些構築起可靈 AI 在影片畫質、圖生影片、運動生成、生成時長、物理規律、指令響應、影片可控性等方面的核心競爭力，並造就瞭如今全能的可靈 AI。同時，萬鵬飛還對未來發展做出了展望，他表示，影片生成效果的提升速度非常快，正在逐步接近圖形渲染和相機拍攝，將會對泛影片行業帶來新的機遇。
萬鵬飛
其實我們已經見識過了可靈 AI 的能力，前文展示的高畫質版、首尾幀控制和相機鏡頭控制新功能正是可靈 AI 在電影級高畫質畫面生成、領先圖生影片效果和優秀影片生成可控性三大能力上的進一步演化。
其中電影級的高畫質畫面生成能力能夠高保真、生動地呈現壯闊的自然風光、人或動物的動作和表情等宏大或細微的場景，大片感十足。
領先的圖生影片能力可以讓靜態影像動起來，轉換為生動的 5 秒短影片。同時搭配不同的文字輸入，讓圖生影片更有創意且「隨心所欲」。
比如將小狗游泳的影像轉換為影片：
效果是這樣的：
優秀的影片生成可控性讓更加精細的影片創作掌控在使用者手中。除了此次的相機鏡頭控制之外，可靈 AI 未來還將在語音面部匹配、人物 ID 保持、透過簡單筆畫提示控制畫面和佈局的演進等更多方面實現可控調整。目前模型的訓練已經完成，這些功能很快就會上線。
與此同時，可靈 AI 在運動生成、生成時長、物理規律、指令響應等其他四大能力上也進一步升級。
其一可靈 AI 具有大幅度且合理的運動生成能力。透過建模複雜的時空運動，可靈 AI 可以生成較大幅度的運動，並符合運動規律。
此次得益於更充分的模型訓練，可靈 AI 生成的整體運動效果更加靈動，支援更大動作範圍的同時合理性也沒有削弱。如下小貓的轉身、走路姿勢等都刻畫地非常自然合理，符合物理事實。
其二是分鐘級的長影片生成能力。現在，分鐘級時長已成為評價一個影片生成模型的重要指標，這要求更有效的多鏡頭處理、更長的故事講述以及更連貫一致的運動擴充套件能力。
目前，可靈 AI 能夠生成數分鐘的 1080p、30fps 影片。同時開放了遵循使用者指令的影片續寫功能，單次續寫讓影片運動延時 4 到 5 秒，還支援連續多次續寫，最長可以生成 3 分鐘的影片，並且續寫時能夠指定故事後續發展方向，易用性拉滿。
此次升級後，可靈 AI 在演算法和工程層面進行了聯合深度最佳化，使得單次生成的影片長度從 5 秒提升到了 10 秒，在對使用者開放使用的產品中實現最長時長，可以呈現更加完整的故事線，為使用者提供了更廣闊的創作空間。
其三可靈 AI 能夠模擬複雜的物理世界特性。自 Sora 以來，各家影片生成模型都非常注重生成符合物理規律的影片，這決定了模型能力的上限。
可靈 AI 在釋出之初就能夠準確地建模和模擬現實世界的屬性，讓生成的影片接近真實，比如給小貓洗澡。
現在，在更充分模型訓練的加持下，可靈 AI 對互動式物理規律的建模和模擬能力又上了一個臺階。
其四可靈 AI 的概念組合和指令響應能力非常強。在技術實現上，透過對文字到影片跨模態語義的深刻理解，可靈 AI 能夠將使用者豐富的想象力輕鬆轉換為具體的影片畫面，放飛腦洞，比如咖啡杯火山。
升級後的可靈 AI 接受了效果更優的文字資料和編碼方案，自然而然對使用者提示詞的響應能力得到增強，視覺渲染效果更好了。
所有這些能力又源於可靈 AI 在影片生成技術路線（採用 DiT 架構）、模型設計（如隱空間編解碼、時序資訊建模、文字擴充套件及編碼）、資料保障（如多維度標籤體系、影片描述模型）、計算效率（如分散式訓練叢集、分階段訓練策略）、能力擴充套件（如影片時序延展、多模態輸入可控）等方面的技術積累和獨到創新。
可以說，如今的可靈 AI 在技術層面做到了先進且靠譜，怪不得技術一落地就受到了人們的追捧。
生成式 AI 時代，快手有備而來
過去一年多的時間裡，整個大模型領域可以說是非常的卷。去年都在談基座模型的研發，今年大家又都在討論應用。最近幾天 WAIC 大會開幕，我們又目睹了一波「模型派」和「應用派」之間的爭論。
在這波浪潮中，快手又是怎麼做的？
首先，它玩的是體系。從底層的 IDC 算力中心到網路架構、AI 平臺，到中層的基礎核心大模型，再到應用層的各類應用探索，快手實現了全套自行研發。在談到該體系時，快手副總裁大模型團隊負責人張迪認為，堅定投入自主研發長期來說會帶來「技術雪球」效應以及巨大的成本優勢。快手一個非常大的優勢就是在上層擁有大量的 AI 應用場景，這將給大模型帶來非常多的落地機會。
張迪
整體框架是這樣：
其次，快手堅持走基礎模型技術研究和商業應用落地並舉的戰略。基礎模型決定了 AI 能力的上限，研究投入的量變可以引發質變；另一方面，商業化應用能夠滾起技術的雪球，把新技術階段性投入應用，不斷收穫反饋，才能逐漸形成良性迴圈。
去年開始，快手提出了「快意」大模型（KwaiYi），很快從早期的 13B 引數量發展到了 175B，並推出了多模態版本。在多個版本的迭代後，快意大模型已經在快手內部的素材創作、AI 互動、內容生產等場景中開始發揮作用，在今年 6 月，基於快意的 AIGC 營銷素材單日消耗超過了 2000 萬。
有了基礎模型，在更多的場景上，快手逐漸發展出了自己的差異化能力。
具體來說，在文生圖上，快手的「可圖」已成為行業內頂尖的模型之一，擁有強大的語義理解和指令跟隨能力。得益於在文字表徵方面的創新，以及影像資料對齊的大量工作，可圖可以畫出攝像級的畫面質感，經過強化學習的訓練，審美也和人類的普遍標準實現了對齊。
而在影片的生成上，「可靈 AI」燃起了全球影片生成領域的新一輪競爭。它可以進行文生影片、圖生影片，又具有豐富的影像編輯能力，在影片生成的可控性、質感、美感、運動合理度方面保持業內優秀。快手的工程師們正在持續進行工程演算法的最佳化，力圖不斷降低影片生成 AI 的門檻。
說到打下門檻，新技術的最佳化是當前生成式 AI 面臨的重要挑戰之一。作擁國民級短影片應用，快手的優勢在於擁有大量 AI 應用場景，這就給落地實踐帶來了場景和機會。
在技術落地上，快手實現了一系列里程碑：
快手在 APP 評論區內測的對話模型應用「AI 小快」，可以理解影片中的內容並與你互動，至今已經累積了超過 1000 萬的粉絲量。
在電商的直播間裡，利用文生圖 AI「可圖」的能力，老鐵們也可以用自己的生活照快速試衣，甚至看到動態展示。
影片生成模型「可靈 AI」自發布以來獲得了使用者的廣泛認可，已經累計生成了 700 萬條影片，開放了一站式內容創作平臺。
從內容的生產、理解到推薦等不同層面，從個人再到電商，快手的生成式 AI 能力已經做到了對於主體業務的全覆蓋，持續推進著快手生態的不斷髮展。
最後還有新的嘗試。在 WAIC 上，快手預告說首部 AIGC 短劇《山海奇鏡之劈波斬浪》將在本月正式釋出。
該劇由可靈 AI 提供深度技術支援，以賽博風格來複現山海經裡的上古神話世界。從預告片來看，山脈到海洋、森林到天際等場景都呈現出了震撼的視覺效果。在以往，如此效果可能需要專業的特效團隊，現在，視覺生成 AI 就能帶來震撼的視覺體驗了。
沒錯，半年前我們還在暢想未來，現在 AI 真的開始拍電影了。
當前大模型的浪潮中，最能證明技術能力的莫過於大規模落地。
而快手全方位的實踐讓我們再次確認：AI 的生產力已在不知不覺間，改變著我們的生活。