12 月 3 日，可靈推出視頻生成 2.6 模型，該模型提供了里程碑式的「音畫同出」能力，徹底改變了傳統(tǒng) AI 視頻生成模型「先無聲畫面、后人工配音」的工作流程。它能夠在單次生成中，輸出包含自然語言、動作音效以及環(huán)境氛圍音的完整視頻，重構(gòu)了 AI 視頻創(chuàng)作工作流，極大提升創(chuàng)作效率。

重構(gòu) AI 視頻創(chuàng)作工作流 中文語音生成效果全球領(lǐng)先

可靈 2.6 模型升級了文生音畫、圖生音畫兩大功能，輸入文本或是輸入圖片結(jié)合提示詞文本，均可直接生成帶有語音、音效及環(huán)境音的視頻。語音當(dāng)前支持生成中文以及英文，生成視頻長度最長支持 10 秒。

該升級重構(gòu)了傳統(tǒng) AI 視頻創(chuàng)作「先生成無聲的視頻，再結(jié)合其他軟件完成后期聲音制作」的工作流，創(chuàng)作者使用可靈 2.6 模型，能夠直接生成包含人聲、環(huán)境與效果音效的視頻，極大提升了創(chuàng)作者的工作效率。

▲ 可靈 2.6 能夠生成包含人聲、環(huán)境與效果音效的完整視頻

通過對物理世界聲音與動態(tài)畫面的深度語義對齊，可靈 2.6 模型在音畫協(xié)同、音頻質(zhì)量和語義理解上表現(xiàn)亮眼。

音畫協(xié)同上，可靈 2.6 模型生成的視頻，在語音節(jié)奏、環(huán)境音與畫面動作上緊密呼應(yīng)，實(shí)現(xiàn)了對畫面動態(tài)與聲音節(jié)奏的深度對齊，避免了傳統(tǒng)工作流可能產(chǎn)生的「畫面一套、聲音一套」的割裂體驗(yàn)。

音頻質(zhì)量上，在支持人聲、音效、環(huán)境聲等多類型聲音生成的基礎(chǔ)上，生成的音頻音質(zhì)更干凈、層次更豐富，整體聽感更接近真實(shí)的混音效果，滿足專業(yè)級創(chuàng)作對聲音細(xì)節(jié)的高要求。

語義理解上，該模型對多種場景下的文本描述、口語表達(dá)和復(fù)雜劇情有較強(qiáng)的語義理解能力，能夠更準(zhǔn)確地把握創(chuàng)作者意圖，從而輸出邏輯更嚴(yán)密、更貼合用戶需求的音畫內(nèi)容。同時，可靈 2.6 模型在中文語音生成效果上保持全球領(lǐng)先。

一鍵「音畫同出」廣告營銷、自媒體、電商等創(chuàng)作場景迎來效率革命

可靈 2.6 模型支持的聲音類型包括說話、對話、旁白、唱歌、Rap、環(huán)境音效、混合音效等多種聲音的單獨(dú)或混合生成，能夠廣泛地應(yīng)用于廣告營銷、自媒體、電商等行業(yè)視頻內(nèi)容創(chuàng)作中，極大提升創(chuàng)作效率。

例如在廣告營銷行業(yè)，可靈 2.6 模型可一鍵生成含有旁白介紹、演員對白、商品展示音效等綜合聲音效果的廣告短片，極大降低廣告片拍攝的成本，提升效率。

▲ 可靈 2.6 生成短片故事

在自媒體領(lǐng)域，可靈 2.6 模型的應(yīng)用則更加廣泛。通過多人對白能力，創(chuàng)作者可以創(chuàng)作包含訪談節(jié)目、劇情演繹、搞笑短劇等多類型的內(nèi)容創(chuàng)作，還可以借助模型的音樂表演能力，進(jìn)行唱歌、說唱表演、樂器演奏等類型的內(nèi)容創(chuàng)作。運(yùn)用可靈 2.6 模型，可大幅度降低自媒體創(chuàng)作者的創(chuàng)作成本與難度。

在電商領(lǐng)域，通過單人獨(dú)白、旁白解說等能力，能夠完成商品展示、產(chǎn)品講解等電商領(lǐng)域的視頻內(nèi)容創(chuàng)作，提升商家的經(jīng)營效率。

可靈 2.6 模型的推出，進(jìn)一步降低了內(nèi)容創(chuàng)意行業(yè)視頻創(chuàng)作的成本與難度，未來可靈 AI 也會持續(xù)開發(fā)更多實(shí)用功能，為創(chuàng)作者提供更優(yōu)質(zhì)、方便的 AI 視頻創(chuàng)作工具。