可靈3.0

可靈3.0是可靈AI推出的3.0系列模型，於2026年2月5日上線。該系列模型基於All-in-one產品理念打造，是多模態輸入輸出一體化模型。此前於2026年1月31日開啟內測，2月2日由快手宣布推出。

此次發布的模型包括可靈視頻3.0、可靈視頻3.0 Omni、可靈圖片3.0及可靈圖片3.0 Omni，覆蓋圖片生成、視頻生成、視頻編輯及後期處理等流程。模型支持文字、聲音、圖片和視頻等多模態信息輸入與輸出，融合音畫同出能力與主體一致性控制。通過統一架構，將影像創作中的理解、生成與編輯整合為一個連續流程。單次視頻生成時長最長15秒，具備分鏡、細節一致性、音畫同步及多語言口型等功能。視頻3.0 Omni版本具備視頻主體特徵庫功能，支持“圖生視頻+主體參考”技術，可實現中、英、日、韓、西五種語言及方言的口型匹配。

基本介紹

• 中文名：可靈3.0
• 發布時間：2026年1月31日

發布信息

2026年1月31日，可靈AI在全球上線了可靈3.0系列模型，該系列包括可靈視頻3.0、可靈視頻3.0 Omni和可靈圖片3.0。

2026年2月2日，快手發布了新一代視頻生成模型可靈3.0系列，包含圖片3.0、視頻3.0及視頻3.0 Omni。該系列模型支持單次生成最長15秒的視頻，並具備智慧型分鏡、細節一致性、音畫同步及多語言口型等功能。

2026年2月5日，可靈AI正式全球上線3.0系列模型，其核心目標是讓AI生成的內容從“能看”走向“專業可用”。發布的模型包括可靈視頻3.0、可靈視頻3.0 Omni、可靈圖片3.0及可靈圖片3.0 Omni。

製作流程

該模型能夠處理圖片生成、視頻生成、視頻編輯及後期處理等環節。

此外，模型引入了智慧型分鏡系統，創作者可以通過文字指令直接控制鏡頭的遠近、推拉和敘事節奏。

該模型支持文字、聲音、圖片和視頻等多種信息形式的輸入與輸出，並具備音畫同步生成及主體一致性控制能力。

模型支持最長15秒的連續視頻生成，並實現了多語言口型匹配；視頻3.0 Omni版本還具備視頻主體特徵庫功能。

該模型採用一體化架構，支持從內容輸入到生成、編輯及輸出的流程，可在單一系統內完成多種影視製作任務。

核心技術

此次升級背後依託多項底層技術創新。據官方介紹，可靈 3.0 採用了視覺思維鏈（vCoT）技術，在生成視頻前先進行場景解構推理，提升邏輯合理性；同時通過 Deep-Stack 視覺信息流機制增強了細粒度感知能力。在模型訓練中，引入了強化學習框架，結合 “真實感” 與 “電影質感” 雙重標準最佳化輸出。

可靈3.0通過“All-in-One”的統一架構，將理解、生成與編輯整合為一個連續流程，並引入了“智慧型分鏡”系統。

此外，視頻 3.0 Omni 版本推出了獨特的 “視頻主體特徵庫” 功能。用戶可提取 3-8 秒視頻中的角色形象與音色，建立專屬特徵庫進行還原套用，這涉及了多模態指令解析架構最佳化及特徵解耦重組方案的深度升級。

模型能力

2026年2月5日，可靈3.0系列模型上線，在真實感和敘事能力方面有所改進。該系列模型支持文字、聲音、圖片和視頻等多模態信息輸入與輸出，融合音畫同出與主體一致性控制。其單次視頻生成時長最長為15秒，具備智慧型分鏡（創作者可以通過文字指令，直接控制鏡頭的遠近、推拉和敘事節奏）、細節一致性（通過“圖生視頻+主體參考”技術，允許用戶上傳參考素材，鎖定特定人物的形象、動作甚至音色，確保在複雜鏡頭切換中角色特徵高度統一）、音畫同步及多語言口型（實現了中、英、日、韓、西五種語言及方言的精準口型匹配）等功能。

套用與影響

根據2026年2月7日的報導，可靈AI的用戶量已超過6000萬，生成視頻超過6億個，服務企業用戶超3萬，年化收入運行率達到2.4億美元。

行業分析指出，以可靈3.0為代表的AI視頻技術正在推動行業從“生成短片段”向“長視頻、全流程製作”過渡，這種變化一方面降低了內容創作的門檻，讓普通人也能製作高質量視頻，另一方面也對底層算力、算法提出了更高要求，使得行業競爭焦點從“拼創意”轉向“拼技術落地能力”。

隨著位元組跳動旗下視頻生成模型 Seedance 2.0 在春節前突然爆火，其競品快手 可靈 3.0 也借勢出圈，兩者共同掀起了一場關於「AI導演革命」的全民創作浪潮。AI視頻競爭已從“單幀畫質”升級為“工作流整合”，掌握多模態調度能力者將定義下一代創作標準。