可灵能做的事情，说穿了就一句话：让不会拍视频的人也能拍出像样的视频。但怎么“拍”，差别很大。从最初级的文字生视频，到现在的多镜头故事板、原生音频、主体一致性控制——可灵正在一步步把“生成视频”这件事，变成“导演视频”。
视频生成：三种方式，覆盖多数场景
视频生成是可灵最基础的能力，分文生视频和图生视频两种。文生视频就是输入一段文字描述，AI生成对应的视频；图生视频则是上传一张图片，AI让图片里的内容动起来。
但图生视频还有更精细的玩法。
首帧生视频：上传一张图作为视频的第一帧，AI从这一帧开始往后生成。
首尾帧生视频：上传两张图——第一帧和最后一帧——AI自动“脑补”出中间的运动变化过程。比如你给一张“日出”和一张“日落”，可灵自己生成太阳从升起到落下的完整过程。
参考生视频：上传参考视频或图片，AI从中提取视觉特征，在全新场景中复现。
单次生成最长15秒。但通过视频续写功能，可以不断延长——最长能续写到3分钟。分辨率方面，可灵支持1080P高清输出，部分版本甚至支持原生4K（3840×2160）直出。
多镜头叙事：从“生成一段”到“导演一组”
这是可灵3.0最核心的升级。
以前的AI视频生成，基本是一段一段来的——你给一个提示词，它生成一段5秒或10秒的连续画面。如果你想拍一个有多个镜头的短片，得一段一段生成、再手动拼接。
可灵3.0的多镜头故事板改变了这件事。你可以在故事板里为每个镜头指定时长、景别、视角、叙事内容和镜头运动。比如：
镜头1：日出时山路的广角镜头，5秒
镜头2：头盔内骑士脸部的特写，3秒
镜头3：跟拍摩托车的无人机俯冲镜头，7秒
可灵会理解这些镜头之间的逻辑关系，一次生成一组视觉连贯的镜头序列。它还会根据你的指令动态调整机位角度和构图——从经典的正反打对话，到交叉剪辑和旁白，都能处理。
相当于可灵内置了一个AI导演，帮你自动完成镜头的组织和切换。
原生音频：视频和声音一起出来
这是可灵另一个标志性的能力。
以前AI生成视频，画面是画面，声音是声音——你得另外配音、加音效、对口型。可灵3.0的原生音频功能，让视频和声音一次生成。
具体来说：
音画同步：声音和画面动作实时匹配。玻璃瓶滚过木桌落在地毯上——滚动的摩擦声、落地的闷响、室内环境音，一次生成。
多语言口型匹配：支持中、英、日、韩、西五种语言及方言的精准口型匹配。提取3秒以上人声，即可为角色绑定专属声线，口型、神态与音色同步。多人场景下还能指定具体是谁在说话。
主体一致性：同一个角色，从头到尾不变
这是AI视频生成领域最难解决的问题之一。
很多AI视频模型生成一段5秒的视频还行，一旦镜头切换、场景变化，角色就会“变脸”——同一个角色在不同镜头里长得不一样。可灵3.0的主体参考技术解决的就是这个问题。
它的做法是：上传参考素材（图片或视频），AI提取人物的视觉特征和声音特征，然后在整个视频的各个镜头中锁定这些特征。无论镜头如何推拉摇移，人物的形象、服装、声音都能保持一致。
可灵还推出了主体库功能，支持通过多视角图创建主体。角色、道具、场景都可以被“记住”——就像导演给每个演员建了一份档案，拍到哪儿都不会搞混。
动作控制：让角色按你的意思动
可灵3.0的动作控制3.0功能，在动作、表情、口型、手势的一致性控制上实现了突破。
实际操作中，你可以上传一段动作参考视频（比如一段舞蹈），再结合提示词，让AI把这段动作迁移到你的角色身上。最终生成的视频在人物动作流畅性上保持高水平一致性。面部表情、手势、口型同步都可以精确控制。
视频编辑：生成之后还能改
你可以用自然语言直接修改已生成的视频：
“移除路人”
“将白天改为黄昏”
“替换主角服装的颜色”
“修改视频背景”
不需要手动遮罩、不需要关键帧，文字指令就是最高效的修改工具。你还可以对视频进行风格重绘、内容增删、镜头延展等操作。
图片生成方面，可灵图片3.0系列支持系列组图生成——生成一组风格、光影、细节高度统一的图片，适配影视分镜、概念设定等专业需求。
数字人：一张图加一段话，让角色开口
可灵的数字人功能，你只需要一张角色图片和一段文字或音频，就能生成最长1分钟的数字人视频。
它支持多类角色和中英日韩多语种，口型与语音精准同步，情绪动作精细控制。适用于广告、电商、教育等场景。
可灵的核心功能，本质上是一套从生成到导演的完整工具链：文生视频和图生视频负责“拍出来”，多镜头故事板负责“组织镜头”，原生音频负责“配上声”，主体参考和动作控制负责“保持连贯”，视频编辑负责“改到满意”。
你负责想，它负责拍。区别在于，现在的可灵不只是“拍一段”，而是能“导一组”了。
◯ 评论 0