可靈發(fā)布全球首個(gè)統(tǒng)一多模態(tài)視頻模型，主體一致性表現(xiàn)驚人！

作者｜子川

來源｜AI先鋒官

快手帶著大家伙來了！

12月1號(hào)，可靈AI突然放出一個(gè)重磅消息——推出了O1模型。

官方稱其為"全球首個(gè)統(tǒng)一多模態(tài)視頻模型"。

從官方給出的介紹來看，這次可靈O1的核心亮點(diǎn)在于把文生視頻、圖生視頻、視頻編輯、內(nèi)容增刪、風(fēng)格變換等一大堆功能，全部集成到一個(gè)統(tǒng)一的模型里。

以前我們用AI視頻工具，基本都是這樣的：想文生視頻，就去文生視頻的入口；想圖生視頻，就得切換到圖生視頻功能；想編輯視頻，又得找視頻編輯工具。

每個(gè)功能都是獨(dú)立的，切換起來麻煩不說,效果還不一定連貫。

但可靈O1不一樣，它把這些功能全部融合到一個(gè)模型里。

你上傳一張圖片、一段視頻，或者直接輸入文字描述，模型都能理解你想干什么，然后直接給你生成出來。

更厲害的是，這個(gè)模型還結(jié)合了Chain-of-thought技術(shù)，也就是思維鏈推理能力。

這意味著它不僅能理解你的指令，還能像導(dǎo)演一樣記住主角、道具和場景，無論鏡頭怎么切換，主體特征都能保持一致。

說了這么多理論，那實(shí)際效果到底怎么樣？下面我們來試玩一番。

視頻內(nèi)容增刪是可靈O1最讓人驚喜的功能之一。

你可以在視頻中任意增加或刪除內(nèi)容，比如給角色添加一件衣服、消除路人、增加道具等等。

比如上傳一個(gè)女生打傘的視頻，但是我需要去除這把傘，效果是這樣的——

原視頻

可以很清楚地看到，原視頻中的傘被刪除掉。而且視頻的一致性保持的相當(dāng)出色，除了傘以外，其他都沒有任何變化。

不過也會(huì)去除不完整的情況出現(xiàn)。

像下面這一段，原本視頻中有一只小兔子。

把它刪除效果是這樣的，細(xì)看可以看出兔子原有的位置扣除的并不干凈。

除了增刪，可靈O1還能修改視頻中的特定部分。比如你想把角色的衣服從紅色改成藍(lán)色，想把夏天的場景變成冬天，或者給視頻加上特效，都能輕松實(shí)現(xiàn)。

比如把原有視頻中的形象進(jìn)行替換。

原視頻

一致性的效果依舊出色，這次我們可以用蠟燭作為參考物，原視頻的蠟燭燃燒的狀態(tài)和修改后視頻的一致的。

還能把騎自行的車傻狍子換成一只兔子。

不過也有失敗的案例，比如左側(cè)的杯子憑空長出了一條尾巴。

同時(shí)你還可以在原有視頻中增加一些元素，比如在跳舞女孩的后面添加一個(gè)外星人。

還有之前很火的風(fēng)格轉(zhuǎn)換可也以在可靈O1中完成。

把風(fēng)景視頻轉(zhuǎn)換成日本動(dòng)漫風(fēng)格。

整體體驗(yàn)下來會(huì)發(fā)現(xiàn)，可靈O1提供了統(tǒng)一的Omni界面，支持圖片、視頻、主體等多模態(tài)輸入。整個(gè)操作流程非常簡單，學(xué)習(xí)成本比較低。

同時(shí)在實(shí)際體驗(yàn)過程中發(fā)現(xiàn)可靈O1在某些復(fù)雜場景下可能還會(huì)有一些瑕疵，但這種"大一統(tǒng)"的設(shè)計(jì)理念，很可能會(huì)成為未來AI工具發(fā)展的方向。

畢竟，誰不想要一個(gè)能解決所有問題的全能工具呢？

目前可靈O1已經(jīng)全量上線，感興趣的可以去體驗(yàn)一下。

掃碼邀請(qǐng)進(jìn)群，我們帶你一起來玩轉(zhuǎn)ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學(xué)一些AI搞錢技能。