快手公司今日正式對外宣布，其自主研發的新一代視頻生成模型可靈3.0系列已進入超前內測階段。該系列包含圖片3.0、視頻3.0及視頻3.0 Omni三個子模型，在原有技術架構基礎上實現了全面升級，重點優化了專業創作場景的適配能力。
圖片3.0模型推出四項核心功能改進：首次支持通過單張或多張參考圖批量生成邏輯連貫的系列畫面，輸出分辨率提升至2K/4K級別，滿足影視預演、場景設計等高精度需求；通過視覺思維鏈技術強化場景解構能力，配合Deep-Stack視覺信息流機制顯著提升紋理細節與光影效果的呈現質量；新增構圖參數控制模塊，使鏡頭語言、視角切換等創作要素的調節精度提升40%。技術團隊透露，該模型訓練中引入強化學習框架，采用真實感與電影質感雙維度評估體系優化輸出效果。
視頻3.0模型構建了統一的多模態訓練框架，支持文本、圖像、視頻片段混合輸入，單次生成時長擴展至15秒并支持3-15秒靈活設置。創新研發的智能分鏡系統可自動解析文本指令，完成景別切換與機位調度；主體一致性控制模塊通過多圖/視頻錨定技術，確保角色形象在長鏡頭中的穩定呈現；音畫同步引擎實現中英日韓西五國語言及方言的精準口型匹配，并支持多人場景下的角色定向發聲；文字渲染模塊特別優化了招牌、字幕等信息的清晰度，確保在動態畫面中保持可讀性。
作為專業級解決方案，視頻3.0 Omni版本新增視頻主體特征庫功能，可提取3-8秒視頻中的角色形象與音色數據，經特征解耦重組后應用于新內容創作。技術文檔顯示，該版本通過優化多模態指令解析架構，調整音頻采樣區間處理方式，實現了更高精度的跨模態內容生成。據內部測試數據顯示，新模型在影視級畫面生成效率上較前代提升65%，專業用戶創作周期平均縮短3個工作日。
