可靈O1（可靈視頻 O1 模型）是可靈AI推出的全球首個統(tǒng)一多模態(tài)視頻生成模型。模型通過創(chuàng)新的多模態(tài)視覺語言（MVL）架構，實現視頻生成、編輯與理解的無縫融合。模型支持多模態(tài)輸入，如圖片、視頻和文字，能進行全能創(chuàng)作編輯，解決視頻一致性難題，提供多種創(chuàng)意組合。用戶可通過簡單對話生成精準視頻內容，探索無限創(chuàng)作可能。
可靈O1的主要功能全能引擎：可靈O1是全球首個統(tǒng)一多模態(tài)視頻大模型，能一站式完成視頻生成、編輯和修改等全部創(chuàng)作流程，無需在多個工具間切換。全能指令：支持多模態(tài)輸入，包括圖片、視頻、文字等，通過深層語義理解力，用戶能通過簡單對話輕松生成和編輯視頻內容。全能參考：通過多視角構建主體和多主體自由組合，解決視頻一致性難題，確保視頻畫面無論鏡頭如何流轉都能精準連貫。超強組合：支持不同技能的組合使用，如同時增加主體和修改背景，一次生成多種創(chuàng)意變化，探索無限創(chuàng)作可能。掌控節(jié)奏：支持3-10秒自由生成視頻時長，用戶能自由掌控視頻節(jié)奏。可靈O1的技術原理全新視頻生成模型：打破傳統(tǒng)視頻模型的功能割裂，構建新的生成式底座，融合多模態(tài)理解的Multimodal Transformer和多模態(tài)長上下文（Multimodal Long Context）。多模態(tài)視覺語言（MVL）：引入MVL作為交互媒介，通過Transformer實現文本語義與多模態(tài)信號的深層融合，支持單一輸入框內靈活調用無縫融合多種任務。智能推理能力：基于MVL輸入，模型實現多模態(tài)精確參考與高自由度交互編輯，支持長上下文及時序敘事。結合Chain-of-thought技術，模型具備常識推理與事件推演能力，展現出視頻生成的智能化表現。可靈O1的性能表現圖片參考任務：在圖片參考任務上，模型的整體效果勝負比為 247%，表明在整體效果及多個細分維度上均表現優(yōu)異。與 Google Veo 3.1 的 Ingredients to Video 對比，視頻 O1 模型在圖片參考任務上的效果顯著領先。指令變換任務：在指令變換任務上，模型的整體效果勝負比為 230%，顯示出在整體效果及多個細分維度上均表現優(yōu)異。與 Runway Alph 對比，模型在指令變換任務上的效果也顯著領先。
如何使用可靈O1訪問平臺：訪問可靈官網或可靈App，完成用戶賬號注冊和登錄。選擇模型：在平臺上選擇視頻 O1 模型。上傳素材：根據需要上傳參考圖片、視頻片段、文字描述等素材。輸入指令：使用多模態(tài)指令輸入區(qū)，輸入創(chuàng)作指令。生成視頻：模型根據提供的素材和指令生成視頻。可以指定視頻的長度，如3-10秒。編輯和調整：用模型提供的編輯功能，如增加、刪除、修改視頻內容，切換景別/視角等。預覽和導出：預覽生成的視頻，確保滿足要求。滿意后，將視頻導出到本地設備。可靈O1的應用場景社交媒體內容制作：用戶能快速生成適合社交媒體平臺的短視頻，如抖音、Instagram等，用于個人分享或品牌營銷。在線教育和培訓：教育工作者能創(chuàng)建互動式視頻課程和培訓材料，提高遠程學習的吸引力和效果。廣告和營銷視頻：企業(yè)和營銷團隊用模型生成吸引人的廣告視頻，用于產品推廣和品牌宣傳。電影和視頻制作：電影制作人和視頻編輯用模型進行前期制作，如創(chuàng)建故事板、概念驗證和動畫效果。企業(yè)宣傳和演示：企業(yè)制作高質量的宣傳片和演示視頻，用于公司介紹、產品展示和活動報道，增強企業(yè)形象。 
