全球首个“大一统”视频大模型上线，AI视频“P图”时代来了
数字内容创作正迎来革命性变革。12月2日，快手旗下的可灵AI正式宣布其新一代视频大模型“可灵O1”全量上线。不同于市场上功能割裂的AI视频工具，可灵O1被称为全球首个“大一统”多模态视频模型。
这一创新的核心在于其打破了视频生成与编辑的边界，将文字、图片、视频等多模态输入融合于同一个全能引擎中，让用户像“P图”一样简单高效地“P视频”。这一突破有望重塑影视制作、广告电商、自媒体等多个行业的创作流程。
01 技术破局
传统的AI视频工具往往各自为政，文生视频、图生视频、视频编辑等功能需要使用不同模型或切换不同界面，操作繁琐且难以保证效果一致。可灵O1的出现彻底改变了这一局面。
该模型基于创新的 MVL（多模态视觉语言）交互架构，在一个输入框内无缝融合了文字、图片、视频等多种指令。这意味着用户只需通过自然语言对话，就能在一个界面完成从生成到编辑的全流程创作。
更关键的是，模型结合了 Chain-of-thought（思维链）技术，使其不仅理解表面指令，还能进行常识推理和事件推演。例如，当用户要求“在场景中增加一只狗”时，模型能智能地推理出狗的合理位置、光影关系及与其他物体的互动，生成符合逻辑的画面。
02 解决行业痛点
视频生成领域长期存在一个核心痛点：角色与场景在多镜头、多场景切换中难以保持一致性，常出现特征“漂移”。可灵O1对此给出了系统性解决方案。
其底层强化了对输入图像及视频的深度理解，通过 多视角主体构建技术，能够像人类导演一样“记住”主角、道具和场景的特征。无论镜头如何流转，主体特征都能稳定如一。
模型还具备强大的多主体融合能力，用户可自由组合多个不同主体，或将主体与参考图进行混搭。即使在复杂的群像场景中，模型也能独立锁定并保持每位角色或道具的特征，确保“主角”在不同镜头中实现工业级的特征统一。
03 应用场景革新
凭借“生成+编辑”一体化的全能特性，可灵O1正为多个行业带来创作效率的跃升。
对于影视创作而言，借助其超强一致性的图片参考和主体锁定能力，创作者可以精准锁定每个分镜的角色及服化道，轻松生成多个连贯的影视镜头，极大地降低了前期拍摄与后期合成的成本与周期。
在广告电商领域，传统线下实拍成本高、制作周期长的痛点尤为突出。现在，广告团队只需上传商品图、模特图和场景图，配合简单指令，即可快速生成多个高质量的商品展示视频。这甚至能够搭建“永不落幕的虚拟T台”，实现服装款式、背景的快速批量更换。
对于广大的自媒体与视频后期创作者，可灵O1则提供了前所未有的便捷。用户无需手动遮罩或设置关键帧，只需输入“移除背景中的路人”或“让天空变蓝”这样的对话式指令，模型就能自动完成像素级的智能修补与重构，将复杂的剪辑工作变得像日常聊天一样简单。
04 生态与未来
可灵O1的诞生并非一蹴而就，其背后是快手在视频生成与AI领域长期而深厚的技术积累。早在今年6月的CVPR 2025大会上，快手可灵AI团队就系统展示了在模型架构、可控生成、效果评估与多模态推理四大方向的领先研究成果。
为了降低创作者的使用门槛，可灵AI宣布自12月1日至12月14日，推出会员年卡限时6.6折的优惠活动。用户现已可以通过可灵App或官方网站体验这一全新的创作工具。
随着可灵O1这类“大一统”模型的出现，AI视频创作的门槛被前所未有地降低。创作权正从少数专业人士手中，交还给每一个有灵感的普通人。
一个“人人皆可导演，创意即刻成片”的视频创作新时代，已拉开序幕。
