可靈3.0上線，AI視頻創(chuàng)作進(jìn)入影視級導(dǎo)演時代。

近日消息，可靈AI正式全球上線3.0系列模型，目前正面向黑金、鉆石、鉑金會員開放使用，預(yù)計將于近期全量上線。此次發(fā)布的可靈視頻3.0、可靈視頻3.0 Omni及可靈圖片3.0、可靈圖片3.0 Omni模型，覆蓋圖片生成、視頻生成、編輯及后期等影視級全流程鏈路，標(biāo)志著AI正式進(jìn)入影視與創(chuàng)意內(nèi)容的核心生產(chǎn)環(huán)節(jié)，可靈AI也正式邁入3.0時代。

▎全新All-in-One產(chǎn)品和技術(shù)理念 多模態(tài)輸入輸出一體化助力原生創(chuàng)作

可靈3.0系列模型基于All-in-One產(chǎn)品和技術(shù)理念構(gòu)建，形成一個多模態(tài)輸入與輸出高度統(tǒng)一的一體化視頻模型體系。它并非將功能簡單疊加，而是通過統(tǒng)一架構(gòu)，將影像創(chuàng)作中的理解、生成與編輯整合為一個連續(xù)流程，讓創(chuàng)作首次在單一模型內(nèi)完成閉環(huán)。

在這一體系下，創(chuàng)作者可以同時使用文字、圖片、聲音與視頻作為輸入，并直接獲得可用的專業(yè)影像級輸出結(jié)果，創(chuàng)作過程不再被拆分為多個工具與步驟。

圍繞創(chuàng)作者最關(guān)心的穩(wěn)定性與表達(dá)力，可靈3.0系列模型在多個關(guān)鍵環(huán)節(jié)上做了系統(tǒng)級增強。長期困擾行業(yè)的一致性問題獲得突破性進(jìn)展：通過整合視頻主體上傳、音色綁定及全球首創(chuàng)的“圖生視頻+主體參考”等一系列技術(shù)能力，能夠使得人物形象、動作與聲音在復(fù)雜鏡頭切換中保持穩(wěn)定，文字清晰、品牌標(biāo)識可識別，即便在多語言場景下，視覺風(fēng)格與角色特征也能高度統(tǒng)一。

在敘事層面，模型支持最長15秒的連續(xù)生成，并引入智能分鏡與自定義鏡頭控制，讓創(chuàng)作者能夠直接組織鏡頭節(jié)奏與敘事結(jié)構(gòu)，不再依賴碎片化拼接，從而讓鏡頭具備情緒遞進(jìn)與畫面張力。

可靈視頻3.0 智能分鏡

音畫能力也被進(jìn)一步拉齊到影視創(chuàng)作標(biāo)準(zhǔn)。視頻3.0與視頻3.0 Omni均支持原生音畫同出，覆蓋多語種與多種地方口音，人物口型、情緒與表演更加自然，整體畫面真實感顯著提升，人物演繹更具表演張力。圖片模塊則支持4K超清輸出，分鏡圖與系列組圖的引入，使靜態(tài)畫面本身也具備完整的敘事能力。

從單點生成到系統(tǒng)化調(diào)度，可靈3.0系列模型不只是一次模型升級，而是創(chuàng)作方式的變化。它將原本需要多人協(xié)作、多輪修正才能完成的導(dǎo)演級表達(dá)，壓縮進(jìn)更直接、更可控的創(chuàng)作流程中，讓更多創(chuàng)作者能夠以接近專業(yè)制作的方式完成影像表達(dá)。

▎可靈視頻3.0：電影級敘事與精準(zhǔn)掌控

全新的智能分鏡系統(tǒng)如同一位AI導(dǎo)演，能深度解 讀劇本意圖，自動調(diào)度機位與景別。無論是經(jīng)典的“正反打”對話，還是復(fù)雜的跨分鏡轉(zhuǎn)場，均可一鍵生成，大幅降低后期修正成本。

靈視頻3.0 全球首創(chuàng)“圖生視頻 + 主體參考”技術(shù)

通過全球首創(chuàng)的“圖生視頻 + 主體參考”技術(shù)，創(chuàng)作者可對畫面特定元素進(jìn)行二次錨定。無論鏡頭如何推拉搖移，主角、道具及場景特征始終穩(wěn)定如一。該技術(shù)有效解決了行業(yè)長期存在的“主體崩壞”痛點。此外，模型支持最高15秒超長連續(xù)生成，并適配多國語言（中英日韓西）及多種地方口音及方言（粵語、四川話、東北口音、北京口音等），實現(xiàn)情緒飽滿的音畫同步表演。這些能力使AI不再僅是工具，而是能執(zhí)行導(dǎo)演意圖的智能創(chuàng)作伙伴。

▎可靈視頻3.0 Omni：全能參考與極致一致性

Omni版本進(jìn)一步強化了角色一致性與指令響應(yīng)的敏銳度。具體來說，創(chuàng)作者只需上傳參考素材，模型即可實現(xiàn)對特定主體視覺特征與音色的原生提取與綁定。基于特征解耦技術(shù)，角色、道具等元素可在不同場景中自由復(fù)用，始終保持同一張臉、同一種聲音。

可靈視頻3.0 Omni自定義分鏡

該版本不僅讓畫面更少崩壞、更具靈動感，還攻克了文字變形等難題，結(jié)合靈活的分鏡控制能力，使AI生成內(nèi)容達(dá)到專業(yè)影視的“直接交付”標(biāo)準(zhǔn)。這相當(dāng)于為導(dǎo)演提供了高度可控的“數(shù)字演員”與“虛擬攝制組”。

▎可靈圖片3.0系列模型：強化靜態(tài)敘事 并支持4K超高清

可靈圖片3.0及可靈圖片3.0 Omni模型專注于強化靜態(tài)畫面的“敘事感”，用靜幀講述完整故事。模型能深度解構(gòu)提示詞中的視聽元素，精準(zhǔn)把控構(gòu)圖與視角邏輯，高度適配影視分鏡、場景設(shè)定等專業(yè)需求。

新版本支持2K/4K超高清圖直出，并新增系列組圖生成功能，在增強畫面真實感的同時，確保組圖間風(fēng)格、光影與細(xì)節(jié)的高度統(tǒng)一，滿足專業(yè)視覺物料對精度與一致性的嚴(yán)苛要求。

▎打破創(chuàng)作壁壘：AI成為核心生產(chǎn)鏈路與三次躍遷

可靈AI 3.0完成了從“可用”到“可控”，再到“專業(yè)調(diào)度”的三次關(guān)鍵躍遷。自2024年6月發(fā)布全球首個面向用戶的DiT 視頻生成模型以來，可靈 AI 推動行業(yè)進(jìn)入“可用時代”；進(jìn)入2.0階段后，通過模型能力和表現(xiàn)力的持續(xù)提升，實現(xiàn)了從“可用”到“好用”的演化。

基于All-in-One理念打造的可靈AI 3.0系列模型，在近期推出的O1和2.6模型基礎(chǔ)上，進(jìn)一步深化Multi-modal Visual Language（MVL）交互理念，實現(xiàn)了從“基礎(chǔ)生成”到“專業(yè)調(diào)度”的系統(tǒng)性跨越，在生成質(zhì)量和專業(yè)可控兩大創(chuàng)作維度上取得關(guān)鍵突破。

通過智能分鏡、圖生視頻 + 主體參考、多語言多口音音畫同出等核心能力，模型不再只是理解創(chuàng)作意圖，而是能夠?qū)︾R頭節(jié)奏、角色關(guān)系與視聽結(jié)構(gòu)進(jìn)行系統(tǒng)級調(diào)度與協(xié)同。創(chuàng)作者可以在一個模型內(nèi)完成分鏡組織、主體錨定與敘事推進(jìn)，可靈AI也由此完成了從單點生成工具，向內(nèi)容創(chuàng)意者下一代“創(chuàng)作接口”的進(jìn)化。

在影視和廣告領(lǐng)域，創(chuàng)作者可利用智能分鏡等鏡頭調(diào)度能力快速驗證創(chuàng)意；在游戲與虛擬制作中，穩(wěn)定的角色一致性則能大幅加速數(shù)字資產(chǎn)的構(gòu)建。據(jù)公開數(shù)據(jù)，截至2025年12月，可靈AI 已擁有超過6000萬創(chuàng)作者，生成超過6億個視頻，服務(wù)超過3萬家企業(yè)用戶，年化收入運行率達(dá)到2.4億美元。

可靈3.0系列模型的發(fā)布標(biāo)志著AI從一個簡單的生成工具轉(zhuǎn)變?yōu)槔斫鈩?chuàng)作意圖、執(zhí)行分鏡的創(chuàng)作協(xié)作者，屬于每個人的導(dǎo)演時代已經(jīng)來臨。

未經(jīng)「AI科技評論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標(biāo)注來源并插入本公眾號名片。