2月5日，快手旗下可灵AI上线3.0系列模型，覆盖视频、图片和多模态创作。新版本把人物一致性、镜头衔接和声音表现放在了更重要的位置，单次生成视频最长可达15秒，还支持多种语言和部分方言。
过去，不少人第一次用AI做视频时，都会遇到类似的问题：前一个镜头里还是同一张脸，到了下一个镜头，人物就像换了一个人；刚刚还拿在手里的东西，转眼就不见了；人物走路、转身时，动作也容易显得僵硬。
这次升级，主要就是想解决这些麻烦。用户可以上传人物照片、物品图片或参考视频，让系统尽量记住画面里的角色和场景。做一段连续故事时，人物的脸、衣服和整体风格不容易突然变化。
比如，一名小店老板想为自家咖啡店做一条宣传视频。他上传店面和咖啡师的照片，再写下：“清晨，咖啡师推开店门，打开灯，把刚磨好的咖啡递给第一位客人。”系统可以根据这段文字安排店外远景、制作咖啡的近景，再切到顾客接过杯子的画面。
以前，这样一条十几秒的视频，可能要先拍店面，再拍人物，还要找人剪辑。现在，即使没有拍摄经验，也能先做出一个基本完整的版本。对预算有限的小商家、自媒体创作者和刚接触视频制作的人来说，这种变化很直接。
智能分镜也让操作简单了一些。用户写下一段带有多个场景的描述，系统会尝试安排远景、近景和镜头切换。原本需要一段一段生成、再放进剪辑软件拼接的画面，现在有机会一次完成。
但真正用起来，仍然不是写一句话就能马上得到满意的视频。人物在做复杂动作时，手脚和表情偶尔还是会出问题；描述写得不够清楚，画面也可能和想象中不一样。想得到一条能用的成片，往往还要修改文字，重新生成几次。
可灵AI 3.0让视频制作的门槛又低了一些。不会拍摄、不会剪辑的人，也能把脑海里的画面做出来。只是，工具可以帮人完成镜头，不能替人想出故事。画面能不能打动人，最后看的还是创作者有没有真正想表达的东西。
