可灵AI2.0的发布，我想说两句，就专业的说两句

可灵AI2.0的发布，我想说两句，就专业的说两句 可灵AI2.0的发布，我想说两句，就专业的说两句 Modified September 11, 2025 No access 418 1 00:00 No access 418 2 00:00 No access 418 3 00:00 No access 418 4 00:00 No access 418 5 00:00 No access 418 6 00:00 （像素风格） 咱就是说，这次可灵的2.0大升级，真是手打GPT 4o脚踢Sora了😜。 从美学上来说，这次应该是有重新训练了并且优化了人像模型的数据，以及对于中文提示词语意理解能力的加强，能够快速生成了具有质感的图片了。 （电影质感） （低饱和度） （意境感） 不过客观的说，比之前好，但是还有提升空间，已经非常让我“哇塞”了。 另外还有两个功能也偷偷更新了，比较少人提到，也就是“局部修改”和“扩图”。 目前支持对于原图进行局部修改的功能👆 以及支持对原图进行扩图的功能👆 这两个功能的确是对于创作者来说，刚需的功能，（其实还有消除和超清，不过消除包含在局部修改里，就不许愿了） 我好好许愿一下图片超清！！希望可图团队可以看到！hhh 来一个小总结 里程碑的一次大更新，憋了好久，终于发出来了。过完年开始，我就在等可灵2.0的发布，还是等到了，挺满意的，没有让我失望。 从2024年6月6日初见可灵以来，老铁们就一直实实在在的在AI视频领域不断的研究和努力，从最初的只有在快影 文生视频，到现在的电影感的镜头表达到今天（2025年4月17日），只过了 315天 。 对于创作者来说，每天新的工具不断地出现，“学不完，真的学不完！”，但是我想，作为创作者的我们，也更应该学会选择用好这些AI工具，就像一个武器库（或者用最近很流行的“工作流”来表达也不为过）一样，随时能够拿出来解决当下的问题/需求。 最后，希望可灵AI能够继续进化，继续向上攀登，也希望所有的创作者也如此，不断“迭代升级”！ 不过一定要“学会克制”，只有经过思考，克制住一些所谓的眼下的“需求”，才能够真的越走越远！ 我是温维斯，AIGC领域不断研究和进步的自媒体，希望大家喜欢的的文章分享，如果觉得不错，可以分享给身边的人，下次再见！ © THE END 作者：温维斯 转载请联系本公众号获得授权 商务合作： Wenviss 全平台账号：温维斯Wenvis No access 418 1 00:00 No access 418 1 00:00 No access 418 2 00:00 No access 418 2 00:00 No access 418 3 00:00 No access 418 3 00:00 No access 418 4 00:00 No access 418 4 00:00 No access 418 5 00:00 No access 418 5 00:00 No access 418 6 00:00 No access 418 6 00:00 （像素风格） 咱就是说，这次可灵的2.0大升级，真是手打GPT 4o脚踢Sora了😜。 从美学上来说，这次应该是有重新训练了并且优化了人像模型的数据，以及对于中文提示词语意理解能力的加强，能够快速生成了具有质感的图片了。 （电影质感） （低饱和度） （意境感） 不过客观的说，比之前好，但是还有提升空间，已经非常让我“哇塞”了。 另外还有两个功能也偷偷更新了，比较少人提到，也就是“局部修改”和“扩图”。 目前支持对于原图进行局部修改的功能👆 以及支持对原图进行扩图的功能👆 这两个功能的确是对于创作者来说，刚需的功能，（其实还有消除和超清，不过消除包含在局部修改里，就不许愿了） 我好好许愿一下图片超清！！希望可图团队可以看到！hhh 来一个小总结 里程碑的一次大更新，憋了好久，终于发出来了。过完年开始，我就在等可灵2.0的发布，还是等到了，挺满意的，没有让我失望。 从2024年6月6日初见可灵以来，老铁们就一直实实在在的在AI视频领域不断的研究和努力，从最初的只有在快影 文生视频，到现在的电影感的镜头表达到今天（2025年4月17日），只过了 315天 。 对于创作者来说，每天新的工具不断地出现，“学不完，真的学不完！”，但是我想，作为创作者的我们，也更应该学会选择用好这些AI工具，就像一个武器库（或者用最近很流行的“工作流”来表达也不为过）一样，随时能够拿出来解决当下的问题/需求。 最后，希望可灵AI能够继续进化，继续向上攀登，也希望所有的创作者也如此，不断“迭代升级”！ 不过一定要“学会克制”，只有经过思考，克制住一些所谓的眼下的“需求”，才能够真的越走越远！ 我是温维斯，AIGC领域不断研究和进步的自媒体，希望大家喜欢的的文章分享，如果觉得不错，可以分享给身边的人，下次再见！ © THE END 作者：温维斯 转载请联系本公众号获得授权 商务合作： Wenviss 全平台账号：温维斯Wenvis 🔗 原文链接： https://mp.weixin.qq.com/s/yY9aGk4B... https://mp.weixin.qq.com/s/yY9aGk4B... 原创 温维斯Wenvis 温维斯Wenvis2025年04月17日 23:39 福建 第一次这么努力在写推文，不喜勿喷，毕竟看在我在飞机上还在写文章的份上，点赞，在看，转发三连吧！！！ （花8小时，5000灵感，创作的2分钟可灵AI 2.0 demo小样片） 2025年4月11日，可灵AI开始了2.0 的内测，我有幸作为超级创作者，第一时间体验了可灵AI的最新模型，当然了可图2.0也跟着发布了。今天我会从AIGC产品经理与AI视频创作者的角度来深度分析一次这次可灵AI的大更新。 先说说这次的重磅更新：可灵AI视频模型2.0 因为之前工作的关系，我之前是AIGC产品经理，负责过2c的AI图片、AI视频业务，所以对于 AI图片、AI视频效果的好坏，有一些自己不同维度的评测标准： 1. 基础画面生成质量 a. 清晰度 b. 色彩还原度 c. 崩溃率 a. 清晰度 b. 色彩还原度 c. 崩溃率 2. 场景与动作自然性 a. 运动幅度 b. 运动合理性 a. 运动幅度 b. 运动合理性 3. 文本匹配度（语义理解能力） 4. 生成时长 基础画面生成质量 清晰度：（1.6仍然保持着1080p的高清晰度） 我们来看几组画面： 根据测评可以看到在清晰度上，可灵2.0模型的清晰度略微有下降，之前1.6是1080p（30 帧），这次2.0上线只有720p（ 24帧）。放到大屏幕上的确可能会糊了一些些，但是还是可以用，后期拿到Topza AI超清一下是OK的。 商业落地项目（尤其是手机端作为媒体内容的载体）目前对于清晰度要求至少要达到1080p以上（太高了手机有时候不能定带的起来/平台端也会根据带宽限制进行智能压缩），因此后续在清晰度这块可灵AI应该会继续在做一次升级。 如果对于视频画面清晰度还是有比较大要求的话，建议先通过图片超清平台来完成图片的超清，在拿来跑图生视频，这样效果会好很多。 基础画面生成质量 色彩度还原： 我们来看这几组画面： 对于可灵1.0、1.6容易出现色彩度出现崩坏和偏移的问题，目前我的确是没有遇到过了，之前会经常有出现原图色彩在图生视频过程中发生变化的情况，或者饱和度过于高、过于锐化。这次貌似解决了，这是蛮令我惊喜的。 创作过程中，我们经常会在图片阶段进行图片色彩调色的预处理，为了就是保证能够让观众在观看视频的过程中，不出现画面氛围感跳脱的情况。这是一个非常重要的问题！ 基础画面生成质量 崩坏率（生成比）： 这次制作《侏罗纪世界AI版》预告片，我大约用了5000灵感值（都是实实在在的灵感值🤔），制作了近50个可灵AI2.0的镜头，最后作为短片的镜头有23个，一共制作了8个小时。 图片部分用到了最新的Midjourney V7模型进行初步图片生成，图片高清部分用到了美图的WHEE AI超清 视频崩坏率（生成比）差不多稳定在1:1.3 1.5（可能跟我写提示词有关，这次的短片有仔仔细细写提示词） 这是一个bad case： prompt：镜头跟随，探险队员松开手，掉落悬崖，自由落地 提示词的写法蛮关键的，这次制作基本上能够一次就出满意可行的视频。这些bad case 的拆解就放到后面“ 场景与动作自然性 ”再来详细说明。 因为这次可灵AI 2.0模型提升了语义理解能力，所以视频崩坏率整体来说会比1.6模型好很多，前提是好好写提示词😝。 场景与动作自然性 运动幅度 从内测群中，大家的反馈来总结一句话，就是“运动幅度真的变大了不少”“有点拍动作大片、科幻电影的感觉”。 prompt： 镜头跟随，男人开枪，镜头聚焦到远处的恐龙身上，恐龙张开嘴巴怒吼 这个变焦的效果的确是有点震撼了，之前1.6试了几次都不太行！ No access 418 7 00:00 No access 418 7 00:00 prompt： 镜头跟随，一只恐龙一边往前跑，一边在街道上的车顶跳跃 这个运镜和语义理解真的太绝了！ 这两个视频都是一稿过，一次都不需要多抽。 这次的运动幅度实实在在的提升了不少，不管是连续性运动的视频，还是带有对焦效果的视频，都有着不错的表现，并且在运动过程中，很少出现画面模糊的情况，是能够保持清晰度的。 但是有一点我要说说，那就是有时候运动幅度过于大（我推测可能默认设置了运动幅度的数值为最大），希望能够将运动幅度的调节开放到前端，比如“低、中、高”三个档位，让用户自行选择。 对于一些科幻短片、动作短片来说，这算是一个里程碑式更新了。 场景与动作自然性 运动合理性 这次的运动合理性，也提升了不少，“芭蕾舞转圈”，“滑滑板”，“运动员跑步”等等之前的“高难度”动作都逐渐克服了。 运动合理性往往普通观众在看短片的时候非常在意这个点，“手打结”、“物体变形”的情况也是完全不能接受的，可灵这次的升级的确非常到位。 但我要重点说说这次的微表情处理，也上了一个完全不一样的层次。 具有情绪化的演绎是有生命的，是能够打动人的，AI对于很多人来说经常诟病的一句话就是“AI感太重了，没有一点感情”。这次升级，从技术层面已经差不多解决这个问题了。 No access 418 8 00:00 No access 418 8 00:00 从上面的内容可以看出人物微表情在光影效果的衬托下栩栩如生，整个AI人物鲜活了起来。 说完这么多good case，我来分享几个 bad case，希望算法和效果同学能够参考一下。 （一些bad case由于篇幅原因，我后续更新到新的一篇文章里面） No access 418 9 00:00 No access 418 9 00:00 遇到比较多的问题大概总结一下有这几点： 1. 对于鸟类飞行、恐龙飞行的理解不够，比如“扇动翅膀”、“自然的飞行状态”这类的提示词并没有特别好的理解。不过我感觉可能是跟模型对于恐龙的识别有关，底层数据这方面不够多。 2. 四足/两足动物奔跑运动不合理。仔细观察视频可以发现，霸王龙奔跑过程中，双腿和前肢容易出现“小狗奔跑”的相似动作，它不是一个合理的霸王龙奔跑过程，从我的角度来说这是有点奇怪了。 3. 对于飞机、地面、摄像机三个主体的相对运动关系处理不够符合物理逻辑，从我的提示词可以看出，飞机并没有表现出在飞行的状态，且镜头跟随这个功能并没有对于画面中的小物体生效，三个主体的相对运动关系理解较为混乱，测试三次不同提示词发现效果不太好后，我就果断放弃了这个画面。 4. 再次出现自动淡化过渡的情况。可能原因是因为画面前后衔接关系过于大，造成了底层模型在推理下一个画面主体将要去到哪里的时候出现了判断问题，故通过淡化效果来进行了一个看似“合理的”衔接。这个情况在1.6模型进行“穿梭机”效果的时候经常出现，不过2.0目前“穿梭机”理解好多了一些些。 文本匹配度 文本匹配度也就是平常我们所说的语义理解能力。每个AI平台，每个AI产品对于文本解析的维度都是不一样的，不管是文生图还是图生视频，都是一个逻辑。要想生成出来的图片和视频一步到位，跟模型有关，但是写好提示词也是重中之重。 这次可灵AI 2.0的更新，对于镜头描述的理解，我是无敌满意的。四个字形容就是“指哪打哪”。“手持镜头”、“环绕主体运镜”、“剧烈的破坏感”都表现得非常出色，是我想要的感觉。 No access 418 10 00:00 No access 418 10 00:00 prompt：环绕主体运镜，霸王龙在城市街头行走，自然的运动效果，运动模糊，张开嘴巴在一边走路一边咆哮，树木和道路两旁的房子被震得发生了抖动。 这个镜头应该是我可灵2.0 AI测试过程中最喜欢的镜头之一，尤其是能够响应文本尾端“ 树木和道路两旁的房子被震得发生了抖动”的这组提示词。 真是让我“啊哈”的时刻。 生成时长 目前可灵AI 2.0的生成时长回到了5分钟的时代，1.6提升到了1分钟，2.0回到了5分钟。从我自己的角度来说，觉得还好，因为毕竟1.6最开始的时候也是5分钟，能说明什么问题呢？那就是2.0的的确确用了不少的算力资源在处理画面内容呈现上，是有把“力气”用在合适并且重要的地方的。 虽然已经有人在说“怎么生成时间这么长了？”“怎么生成费用这么贵了？”，但是我觉得从最终呈现的效果来说，慢一点，贵一点，这是能理解的。 生成时长一直对我来说不是一个特别刚需的要求，但是并没有不重要，的确是会影响到效率。因人而异了，快一点当然最好。 没有一家互联网企业做产品是做公益，公司是要盈利的，当好的效果和好的质量呈现在我们面前时，就应该为它的价值买单，可灵AI 2.0 值得！ 不过我猜测，可灵2.0后续应该还是会推出turbo或者fast版本的视频模型，提高生成时长。 可灵这次2.0模型升级的内容，从我的角度差不多就这些，关于多模态能力，我打算专门在写一篇文章跟大家分享一下我的测试内容与感悟，敬请期待！ 再来说说这次另一个重要更新：可图2.0 在我印象里，可图的效果的确是还不够好的，但是这次可图站起来了！ 语义理解、美感、功能上有了质的升级！ 参考图功能覆盖了：角色特征、人物长相、风格转绘、通用垫图四个功能。前些阵子GPT 4o很火的“吉卜力”风格转绘，可图现在10s就能做出不错的效果 （吉卜力风格）