可灵3.0系列模型正式上线 真实感和叙事能力全面升级

来源：环球网

2月5日消息，可灵AI正式全球上线3.0系列模型，目前正面向黑金会员开放使用，预计将于近期全量上线。此次发布的可灵视频3.0、可灵视频3.0 Omni及可灵图片3.0、可灵图片3.0 Omni模型，覆盖图片生成、视频生成、编辑及后期等影视级全流程链路，标志着AI正式进入影视与创意内容的核心生产环节，可灵AI也正式迈入3.0时代。

全新All-in-One产品和技术理念 多模态输入输出一体化助力原生创作

可灵3.0系列模型基于All-in-One产品和技术理念构建，形成一个多模态输入与输出高度统一的一体化视频模型体系。它并非将功能简单叠加，而是通过统一架构，将影像创作中的理解、生成与编辑整合为一个连续流程，让创作首次在单一模型内完成闭环。

在这一体系下，创作者可以同时使用文字、图片、声音与视频作为输入，并直接获得可用的专业影像级输出结果，创作过程不再被拆分为多个工具与步骤。

围绕创作者最关心的稳定性与表达力，可灵3.0系列模型在多个关键环节上做了系统级增强。长期困扰行业的一致性问题获得突破性进展：通过整合视频主体上传、音色绑定及全球首创的“图生视频+主体参考”等一系列技术能力，能够使得人物形象、动作与声音在复杂镜头切换中保持稳定，文字清晰、品牌标识可识别，即便在多语言场景下，视觉风格与角色特征也能高度统一。

在叙事层面，模型支持最长15秒的连续生成，并引入智能分镜与自定义镜头控制，让创作者能够直接组织镜头节奏与叙事结构，不再依赖碎片化拼接，从而让镜头具备情绪递进与画面张力。

音画能力也被进一步拉齐到影视创作标准。视频3.0与视频3.0 Omni均支持原生音画同出，覆盖多语种与多种地方口音，人物口型、情绪与表演更加自然，整体画面真实感显著提升，人物演绎更具表演张力。图片模块则支持4K超清输出，分镜图与系列组图的引入，使静态画面本身也具备完整的叙事能力。

从单点生成到系统化调度，可灵3.0系列模型不只是一次模型升级，而是创作方式的变化。它将原本需要多人协作、多轮修正才能完成的导演级表达，压缩进更直接、更可控的创作流程中，让更多创作者能够以接近专业制作的方式完成影像表达。

可灵视频3.0：电影级叙事与精准掌控

全新的智能分镜系统如同一位AI导演，能深度解读剧本意图，自动调度机位与景别。无论是经典的“正反打”对话，还是复杂的跨分镜转场，均可一键生成，大幅降低后期修正成本。

通过全球首创的“图生视频 + 主体参考”技术，创作者可对画面特定元素进行二次锚定。无论镜头如何推拉摇移，主角、道具及场景特征始终稳定如一。该技术有效解决了行业长期存在的“主体崩坏”痛点。此外，模型支持最高15秒超长连续生成，并适配多国语言（中英日韩西）及多种地方口音及方言（粤语、四川话、东北口音、北京口音等），实现情绪饱满的音画同步表演。这些能力使AI不再仅是工具，而是能执行导演意图的智能创作伙伴。

可灵视频3.0 Omni：全能参考与极致一致性

Omni版本进一步强化了角色一致性与指令响应的敏锐度。具体来说，创作者只需上传参考素材，模型即可实现对特定主体视觉特征与音色的原生提取与绑定。基于特征解耦技术，角色、道具等元素可在不同场景中自由复用，始终保持同一张脸、同一种声音。

该版本不仅让画面更少崩坏、更具灵动感，还攻克了文字变形等难题，结合灵活的分镜控制能力，使AI生成内容达到专业影视的“直接交付”标准。这相当于为导演提供了高度可控的“数字演员”与“虚拟摄制组”。

可灵图片3.0系列模型：强化静态叙事 并支持4K超高清

可灵图片3.0及可灵图片3.0 Omni模型专注于强化静态画面的“叙事感”，用静帧讲述完整故事。模型能深度解构提示词中的视听元素，精准把控构图与视角逻辑，高度适配影视分镜、场景设定等专业需求。

新版本支持2K/4K超高清图直出，并新增系列组图生成功能，在增强画面真实感的同时，确保组图间风格、光影与细节的高度统一，满足专业视觉物料对精度与一致性的严苛要求。

打破创作壁垒：AI成为核心生产链路与三次跃迁

可灵AI 3.0完成了从“可用”到“可控”，再到“专业调度”的三次关键跃迁。自2024年6月发布全球首个面向用户的 DiT 视频生成模型以来，可灵 AI 推动行业进入“可用时代”；进入2.0阶段后，通过模型能力和表现力的持续提升，实现了从“可用”到“好用”的演化。

基于All-in-One理念打造的可灵AI 3.0系列模型，在近期推出的O1和2.6模型基础上，进一步深化Multi-modal Visual Language（MVL）交互理念，实现了从“基础生成”到“专业调度”的系统性跨越，在生成质量和专业可控两大创作维度上取得关键突破。

通过智能分镜、图生视频 + 主体参考、多语言多口音音画同出等核心能力，模型不再只是理解创作意图，而是能够对镜头节奏、角色关系与视听结构进行系统级调度与协同。创作者可以在一个模型内完成分镜组织、主体锚定与叙事推进，可灵AI也由此完成了从单点生成工具，向内容创意者下一代“创作接口”的进化。

在影视和广告领域，创作者可利用智能分镜等镜头调度能力快速验证创意；在游戏与虚拟制作中，稳定的角色一致性则能大幅加速数字资产的构建。据公开数据，截至2025年12月，可灵AI 已拥有超过6000万创作者，生成超过6亿个视频，服务超过3万家企业用户，年化收入运行率达到2.4亿美元。

可灵3.0系列模型的发布标志着AI从一个简单的生成工具转变为理解创作意图、执行分镜的创作协作者，属于每个人的导演时代已经来临。（心月）