|
瀑布穿洞、漂流、竹筏及竹筏美拍、瀑布跳水、水滑道、水边烧烤……等，涉及的赤水景区景点有； 日前，快手的视频生成大模型“可灵”宣布再度进化，正式推出图生视频功能，支持用任意静态图像生成5s视频，并且可搭配不同的文本内容，实现丰富的视觉叙事 。同时，可灵还发布了业内领先的视频续写功能，可为已生成的视频（含文生视频及图生视频）提供便捷的一键续写和连续多次续写，将视频最长可延伸至约3分钟，极大地拓展了视频大模型的创作边界。据南方+记者了解到，此前“可灵”在文生视频方面已经展现出了强大能力，如今用户只需上传一张图片，“可灵”即能基于对图像的深度解析，变静为动，赋予其5秒的鲜活生命力。 在用户上传经典的蒙娜丽莎画像后，可灵能够让蒙娜丽莎戴上墨镜，并赋予她灵动的眼神交流。让名画中的人物活灵活现。 据介绍，这得益于其基础模型架构中的3D时空联合注意力机制，可灵在构建复杂时空运动方面也展现了卓越能力。这使得模型在转换静态图像为动态视频时，能够细腻而准确地实现大幅度运动场景。例如，只需上传一张牧羊犬追球的静止照片，模型就能生成一段生动的视频：牧羊犬活灵活现地奔跑追逐网球，其耳朵轻轻晃动，毛发随风飘扬，而网球则在空中弹跳，视频整体自然而流畅。
此外，可灵图生视频模型还融入了提示词融合技术，深化了对图像语义与用户指令的理解整合。这意味着，模型能够根据用户提供的不同文本指令，精妙地变换视频中的动态表现。举例来说，当使用一张女孩的照片生成视频，模型默认生成的效果可能是轻风中她发丝轻轻飘动，周遭花朵摇曳，水面闪烁着细腻的波纹。而如果用户具体输入“女孩转身背对镜头”，视频便会智能添加女孩优雅转身的动作，并细腻捕捉到转身瞬间的微笑和眨眼，展现了自然而生动的细节处理能力。 此外，可灵图生视频模型支持不同风格的图像输入，同时兼容各种长宽比的图像输入，展示出强大的灵活性和适应性。 值得留意的是，可灵大模型还新推出了视频续写功能，用户只需一键操作，即可在已生成视频的基础上延续生成约5秒内容，该功能同时适用于文生视频和图生视频。而通过连续多次续写，能够最长生产约3分钟的连贯视频。基于对物理运动的深入理解，视频续写不仅确保新生成部分与原视频间的运动连贯性及物理合理性，还能巧妙融入大幅度的动作变化，提升视频的生动性。 此次升级的一大亮点是集成文本控制机制于视频续写中，这意味着用户能够通过自定义提示词，为每段视频续写注入个性化创意。得益于此，模型利用高效的提示词融合技术，平滑地在场景间过渡，响应用户的每一个灵感火花。举例来说，一个关于古堡的视频片段，用户既可以选择让它先“太阳落下去，天空变暗”，继而“太阳升起来，天空变亮”，亦可探索另一路径：“太阳落下去，天空变暗，灯光渐亮”，随后“灯光亮起，雾气氤氲”，以此创造出各具特色的连续视觉叙事，完美贴合用户的多样化需求。
视频前5秒为输入视频，后9秒为续写两次后的结果 资料显示，在今年6月6日，可灵文生视频大模型正式亮相，截至目前，已有累计超过14万人排队申请。此次进化，可灵文生视频基础大模型的强大能力被无缝整合到图生视频和视频续写功能中，将为用户带来更为丰富、灵活的视频创作体验。 据悉，快手还将在下月召开的2024世界人工智能大会（WAIC）上，举办以“新AI·新应用·新生态”为主题的大模型技术生态论坛。届时，快手将发布最新的大模型技术与应用战略，包括快手大模型技术矩阵全景、基座模型技术创新、应用和落地情况等。 南方+记者 叶丹 |
