可灵大模型

可灵大模型是什么

可灵大模型的特点

• 大幅度的合理运动：可灵采用3D时空联合注意力机制，能够更好地建模复杂时空运动，生成较大幅度运动的视频内容，同时能够符合运动规律。
• 长达2分钟的视频生成：得益于高效的训练基础设施、极致的推理优化和可扩展的基础架构，可灵大模型能够生成长达2分钟的视频，且帧率达到30fps。
• 模拟物理世界特性：基于自研模型架构及Scaling Law激发出的强大建模能力，可灵能够模拟真实世界的物理特性，生成符合物理规律的视频。
• 强大的概念组合能力：基于对文本-视频语义的深刻理解和Diffusion Transformer架构的强大能力，可灵能够将用户丰富的想象力转化为具体的画面，虚构真实世界中不会出现的场景。
• 电影级的画面生成：基于自研3D VAE，可灵能够生成1080p分辨率的电影级视频，无论是浩瀚壮阔的宏大场景，还是细腻入微的特写镜头，都能够生动呈现。
• 支持自由的输出视频宽高比：可灵采用了可变分辨率的训练策略，在推理过程中可以做到同样的内容输出多种多样的视频宽高比，满足更丰富场景中的视频素材使用需求。
• AI驱动的创新玩法：结合3D人脸和人体重建技术，实现表情和肢体的全驱动，用户上传全身照即可体验生动的AI唱跳功能。
• 图生视频：可灵模型将静态图像转化为5秒动态视频，用户可通过文本提示生成多样化的运动效果。
• 视频续写：支持对现有视频一键续写，每次延长4.5秒，可多次续写，最长可达3分钟，实现用户创意。