人物跑动有着真实的物理轨迹，火焰燃烧也有真实的物理轨迹。机械蝴蝶能穿梭在未来都市，这是奇幻场景。AI 既能精准模拟现实世界的运动规律，又能将抽象文字转化为惊艳的动态画面。

APPSO 第一时间来到发布会现场，本次的更新亮点包括：

1.

可灵、可图模型进行了层面更新，快手运用多项自研技术进行创新，使得画面美学、语义响应以及动态质量都有了大幅度的提升。2.0 对训练和推理策略进行了全面升级，尤其在强化对于复杂运动主体交互滤镜、构图术语等专业方面的表达和理解响应上有突出表现。

2.

新增“多模态编辑”功能，此功能具有精准微调的能力，能够在一段 5 秒的视频基础上，输入图片或文字，对视频进行灵活且精准的修改与再创作。同时新增了“图片编辑”及“风格转绘”功能。

3.

AI 进行音效生成，它会依据影像内容并且结合文字 prompt，从而生成与之适配的音效片段。

我们提前进行了内测。在体验过程中，我们不仅被新模型的强大所震撼，还发现了一些使用小技巧，这些小技巧能够帮助你体验这款强大的生成+编辑工具。

不止是多模态功能，更是一种语言

仅用文字与 AI 沟通是不够的，它只能有限地描述脑海中的想法。使用图片能使准确程度提高一些。结合动态影像，准确程度会更高。

这些共同形成了 MVL，也就是 Multi-modal Visual Language，它是一种全新的交互“语言”。MVL 由 TXT 语义骨架和 MMW 多模态描述子组成，通过文本加上动作描述文件，能够生成精细的视频成片。

这套语言构成了可灵 2.0 新增的“多模态编辑”功能，该功能包含三种模式，分别是替换、增加和删除。

在可灵的创意社区里，我们发现了一个视频，这个视频是可灵用户制作的，并且堪称现实主义创作。

不过呢，既然是现实主义题材，那就还可以更加写实一些。可以让川普去工厂里装手机，也可以让马斯克去工厂里装手机。

这是“多模态编辑”可以大显身手的时候了。首先，我们把缝纫机删除掉。接着，通过下方的文字输入框，@具体的图片和部分，以便更清楚地明确需要改动的内容。

at 的设计符合用户的直觉。在有多个素材的情形下，它能够更便捷地通过文字来明确指出需要改动的对象。

注意！点击编辑后，会弹出笔刷编辑界面。在这个界面中，可以通过涂抹的方式，选择要替换的具体区域。并且一定要在时间线上选几个点，这样才能保证覆盖到整个视频。

可以看到，单个元素在涂抹以及文字 prompt 的双重作用下，能够被删得干干净净。

替换模式就有更多可玩的了，除了修改原视频，还可以结合图片。

是要让这两人去装手机吗？先将手机流水线的图片导入进来，接着进入选择主题的界面，然后框出具体的部分。

大功告成！

在可灵 2.0 版本里，“多模态”不只是一个新出现的功能。它更是一种全新的互动语言，能够更充分地对模型的能力进行开发和调用，从而作用于实际的创作工作流。

从生成到编辑，全链路的创作工作流

如果说“多模态编辑”满足的是影像从业者在精细调优方面的需求，那么可图 2.0 以及可灵的图生视频模式，是能够造福所有人民群众的。

图生视频的使用比例达到 85%，它是更为可用的一种手段。并且搭配上视频模态微调，就能够一次性跑完所有的流程。

比如，先拿胶布人形象图，生成当下最流行的 3D 玩偶版本。

然后直接生成视频——没错，手指和动作，只是一句话即可生成。