从技术升维迈向“创作无界”，可灵AI加速构建视听新生态

随着模型能力的持续突破，AI视频生成正从“工具属性”走向“创作基础设施”，推动视听行业进入全新的生产阶段。4月15日，在第十三届中国网络视听大会新技术新场景论坛上，可灵AI产品及运营负责人温园旭发表题为《技术升维·创作无界 可灵AI赋能视听新生态》的主题演讲，系统阐述了可灵AI在多模态技术演进、创作能力升级及产业落地方面的最新进展。

温园旭表示，可灵AI始终以“技术赋能创作”为核心理念，致力于“让灵感成真，让想象成为影像，让每个人都能用AI讲出好故事”。

从多模态能力到全链路创作，构建一站式AI生产力引擎

在演讲中，温园旭首先介绍了可灵AI的产品体系。作为创意驱动的一站式AI生产力引擎，可灵AI已实现图像生成、视频生成、音频生成三大核心能力的深度融合：通过图像生成定义静态要素，通过视频生成实现动态控制，通过音频生成补全叙事表达，打通从画面到故事的完整链路。

“从一个创意输入，到一整套视频素材输出，AI正在把专业级创作能力交到每一个人手中。”温园旭指出，这种全链路能力的建立，标志着AI从单点生成工具迈向系统性创作平台。

自2024年6月发布以来，可灵AI在不到两年时间内完成30余次产品迭代，并实现8个关键技术里程碑。从全球首个用户可用的DiT视频生成模型，到支持1080P高清视频创作，再到多模态交互能力的持续升级，可灵不断推动底层模型能力跃迁。

目前，可灵已构建起统一的多模态视频模型体系，并推出可灵3.0及3.0 Omni，实现多模态输入与输出的大一统能力，支持文生视频、图生视频、参考生成及视频修改等多种创作方式的统一底层架构。

基于这一架构，可灵AI进一步突破了原生多模态叙事能力，使模型能够统一理解画面、主体、声音、镜头及叙事节奏之间的关系。同时，在角色一致性、镜头调度、音画同步及多主体音色绑定等方面实现显著提升，让AI从“生成画面”走向“理解故事”。

在动态表现层面，可灵AI也实现了动作控制能力的升级，支持更高一致性的角色表演与更自然流畅的动作生成，使数字角色具备接近专业动作捕捉的表现力。

深度融入视听工业流程，释放多场景应用价值

伴随技术升级，可灵AI完成了从单一生成工具向全流程AI创意工作台的转型。温园旭表示，过去AI创作中存在的功能分散、生成等待、效果不可控及协作困难等问题，正在被系统性解决。

当前，可灵AI已覆盖从素材生成到完整创作流程的各个环节，并支持从个人创作到团队协作的多场景需求，逐步成为适配专业机构与大众创作者的通用创作平台。

数据显示，截至目前，可灵AI已服务超过6000万创作者，累计生成视频突破6亿条，并服务超过3万家企业用户。根据快手2025年财报披露，可灵AI在2025年第四季度实现营收3.4亿元，标志着AI视频生成正从技术趋势走向产业现实。

在具体应用层面，可灵AI已形成覆盖视听创作全流程的四大核心场景：前期概念开发与提案沟通、Pre-vis预演与风险前置、视效替代与镜头补完，以及角色驱动内容与IP扩展。

围绕这些场景，可灵AI正加速在影视、广告、音乐、文旅、游戏及动漫IP等领域落地。在影视领域，可灵已参与《太平年》、《大卫之家》等项目的制作；广告营销方面，可灵AI助力美团愚人节广告《麻烦死了》在两周内完成制作，实现接近实拍的视觉质感与完整叙事表达。音乐与游戏领域，可灵也通过虚拟艺人内容生产及与头部游戏IP联动，持续拓展创作边界；在文旅场景中，可灵AI与河南广电合作“何以唐宫夜宴”等项目，通过AI技术激活传统文化表达，并取得显著传播效果。

与此同时，可灵还通过NEXTGEN全球新影像创作大赛汇聚来自122个国家和地区的4600余部作品，搭建全球化创作交流平台，推动AI影像成为跨文化的视觉语言。

以技术为底座，开启AI创作新阶段

面向未来，温园旭表示，可灵AI将持续围绕多模态大一统模型、原生叙事能力与精准动作控制等方向不断突破，持续拓展AI在视听创作中的表达边界。

“技术在升维，创作无边界。”温园旭强调，AI的终极使命不是取代创作，而是让更多人拥有表达的能力。随着技术与创作的深度融合，一个“人人皆可导演”的时代正在到来，AI叙事的新阶段也正在加速开启。