快手发布国产视频大模型“可灵”，正式开启邀测
快手公司推出全新国产视频生成大模型“可灵”。该模型采用与 Sora 相似的技术路线，融合快手自研创新技术，具备生成长达 2 分钟、30fps、1080p 分辨率超长视频的能力，并支持多种宽高比。不同于实验室演示，“可灵”定位为产品级应用，现已在快影 APP 正式开启邀测。
核心能力：精准模拟物理规律与复杂运动
“可灵”大模型不仅能基于想象进行创作，更能准确描绘符合真实物理规律的运动场景。其擅长处理复杂、大幅度的时空运动，能够模拟真实物理特性及交互细节，例如精准呈现人物进食时食物形态的细微变化。
技术架构：原生文生视频与四大核心要素
“可灵”采用原生文生视频技术路线，摒弃了传统的“图像生成加时序模块”组合，这是其实现长时长、高帧率及复杂运动处理的关键。快手大模型团队围绕模型设计、数据保障、计算效率及能力扩展四大核心要素进行了深度优化。
模型设计：类 Sora 的 DiT 结构
在架构上，“可灵”采用类 Sora 的 DiT（Diffusion Transformer）结构，以 Transformer 替代传统扩散模型中的卷积网络 U-Net。同时，通过自研的 3D VAE 网络和全注意力机制（3D Attention），显著提升了模型的建模能力。
数据构建：精细化标签体系
团队构建了完备的标签体系，对训练数据进行精细化筛选，并研发专用视频描述模型，旨在生成精确、详尽且结构化的视频描述，为模型训练提供高质量数据支撑。
运算效率：Flow 模型与分布式训练
为提升硬件利用率，“可灵”选用传输路径更短的 Flow 模型作为扩散基座，并结合分布式训练集群与算子优化技术，大幅提高了运算效率。
能力扩展：自由宽高比与时序拓展
在功能扩展方面，“可灵”支持自由调整视频宽高比，研发了基于自回归的视频时序拓展方案，并兼容多种控制信息输入，增强了应用的灵活性。
生态应用与未来展望
基于“可灵”大模型，快手已推出"AI 舞王”、"AI 唱跳”等衍生应用，图生视频功能也即将上线。快手在大模型领域动作迅速，通过与多所高校及科研机构合作，积累了深厚的技术沉淀。随着文生视频功能的正式亮相，预计将在短视频场景中实现广泛落地。
对AI 视频创作感兴趣的用户，可前往快影 APP 体验“可灵”大模型功能。
官网地址:https://kling.kuaishou.com/