快手可灵3.0系列AI模型发布并内测，视频生成能力升级

IT之家 1 月 31 日消息，快手今日宣布推出新一代视频生成模型可灵 3.0 系列，目前处于超前内测阶段。该系列包含图片 3.0、视频 3.0 和视频 3.0 Omni，在原有模型基础上进行了技术升级。

其中，图片 3.0 模型主要升级包括四项功能：

新增组图生成能力，支持通过单张或多张输入图像批量生成逻辑连贯的系列画面；

输出分辨率提升至 2K 与 4K 级别，适配影视预演图、场景设定等专业需求；

增强画面细节一致性，优化纹理、光影的呈现效果以降低“AI 感”；

强化对构图、视角等元素的控制精度，提升影视类创作场景的适用性。

据介绍，此次升级采用视觉思维链（vCoT）技术辅助生成前的场景解构推理，并通过 Deep-Stack 视觉信息流机制增强细粒度感知能力。模型训练过程中引入强化学习框架，结合真实感与电影质感双重评估标准优化输出效果。

另外，新的视频模型采用统一的多模态训练框架，支持文本、图像、视频片段等多种输入形式，单次视频生成时长最高可达 15 秒，并支持 3-15 秒灵活时长设置。功能改进主要包括：

新增智能分镜系统，可根据文本指令自动调度景别与机位；

增强主体一致性控制，允许通过多图或视频锚定特定视觉元素；

升级音画同步能力，支持中、英、日、韩、西五种语言及方言的精准口型匹配，并实现多人场景下的角色定向发声；

提升文字生成清晰度，确保招牌、字幕等文字信息可辨识。

视频 3.0 Omni 版本额外支持创建视频主体特征库，可提取 3-8 秒视频中的角色形象与音色进行还原应用。技术文档显示，此次升级涉及多模态指令解析架构优化、音频采样区间调整及特征解耦重组方案。