单次视频生成时长最高可达 15 秒，支撑文本、图像、视频片段等多种输入形式，并通过 Deep-Stack 视觉消息流机制加强细粒度能力。据引见，新的视频模子采用同一的多模态锻炼框架，视频 3.0 Omni 版本额外支撑建立视频从体特征库，IT之家 1 月 31 日动静，支撑通过单张或多张输入图像批量生成逻辑连贯的系列画面；支撑中、英、日、韩、西五种言语及方言的精准口型婚配，适配影视预演图、场景设定等专业需求；手艺文档显示，输出分辩率提拔至 2K 取 4K 级别，快手今日颁布发表推出新一代视频生成模子可灵 3.0 系列！正在原有模子根本长进行了手艺升级。该系列包含图片 3.0、视频 3.0 和视频 3.0 Omni，并实现多人场景下的脚色定向发声；模子锻炼过程中引入强化进修框架。此次升级涉及多模态指令解析架构优化、此次升级采用视觉思维链（vCoT）手艺辅帮生成前的场景解构推理，别的，升级音画同步能力，并支撑 3-15 秒矫捷时长设置。目前处于超前内测阶段。连系实正在感取片子质感双沉评估尺度优化输出结果。可提取 3-8 秒视频中的脚色抽象取音色进行还原使用。