作为全球首个统一多模态视频生成模型，可灵O1通过创新的MVL架构实现了视频创作领域的突破性进展。这款AI工具能够将图片、视频和文字等多模态输入转化为富有创意的视觉内容，为用户带来前所未有的创作体验。

可灵O1（可灵视频O1模型）是可灵AI推出的革命性产品，采用多模态视觉语言架构，完美融合视频生成、编辑与理解功能。该模型支持多种输入方式，包括图片、视频和文字，能够实现全能创作编辑，突破视频一致性的技术瓶颈，提供丰富的创意组合方案。用户仅需通过简单对话就能生成精准的视频内容，充分释放创作潜力。

可灵O1模型最新升级后，新增了720p模式，同时支持3-10秒自由叙事功能，赋予创作者更大的发挥空间。

可灵O1的主要功能

1. 全能引擎：作为全球首个统一多模态视频大模型，可灵O1能一站式完成从视频生成到编辑修改的全流程创作，彻底告别多工具切换的繁琐操作。
2. 全能指令：支持图片、视频、文字等多模态输入，凭借强大的语义理解能力，用户通过简单对话即可完成复杂的视频创作与编辑。
3. 全能参考：采用多视角构建技术实现主体自由组合，有效解决视频一致性问题，确保镜头切换时的画面连贯性。
4. 超强组合：支持多项技能同时使用，例如在修改背景的同时添加新主体，一次性生成多种创意方案。
5. 掌控节奏：提供3-10秒的视频时长自定义功能，让用户完全掌握视频的叙事节奏。
6. 新增720p模式：在保持1080p核心功能的基础上，新增轻量化的720p模式，降低创作设备门槛。
7. 自由叙事时长：首尾帧支持3-10秒自由调整，打破固定时长限制，大幅提升创作灵活性。

可灵O1的技术原理

1. 全新视频生成模型：突破传统视频模型的功能局限，构建新型生成式底座，整合Multimodal Transformer和多模态长上下文技术。
2. 多模态视觉语言（MVL）：采用MVL作为交互媒介，通过Transformer实现文本语义与多模态信号深度融合，支持单一输入框完成多种任务。
3. 智能推理能力：基于MVL输入实现精准参考与高自由度编辑，支持长上下文及时序叙事。结合Chain-of-thought技术，展现出卓越的常识推理与事件推演能力。

可灵O1的性能表现

1. 图片参考任务：在图片参考任务上，模型整体效果胜负比高达247%，各项细分指标均表现突出。与Google Veo 3.1相比，在Ingredients to Video任务中展现出明显优势。
2. 指令变换任务：指令变换任务中的整体效果胜负比达到230%，各项指标表现优异。与Runway Alph对比，同样展现出显著领先优势。

如何使用可灵O1

1. 访问平台：登录可灵官网或App，完成账号注册流程。
2. 选择模型：在平台界面选择视频O1模型功能。
3. 上传素材：根据创作需求上传参考图片、视频片段或文字描述等素材。
4. 输入指令：在多模态指令输入区输入具体创作要求。
5. 生成视频：模型根据素材和指令生成视频，支持3-10秒时长自定义。
6. 编辑和调整：利用模型提供的编辑功能进行内容增减、视角切换等操作。
7. 预览和导出：预览确认效果后，将成品视频导出至本地设备。

可灵O1的应用场景

1. 社交媒体内容制作：快速生成适合社交平台的短视频，满足个人分享或品牌营销需求。
2. 在线教育和培训：制作互动式视频课程，提升远程教学效果。
3. 广告和营销视频：为企业打造吸引眼球的产品推广视频。
4. 电影和视频制作：辅助创作故事板、概念验证和动画特效。
5. 企业宣传和演示：制作高质量的企业宣传片和产品展示视频。

可灵O1以其创新的多模态架构和智能化功能，正在重塑视频创作领域，为不同行业的用户带来前所未有的创作自由和效率提升。