# 可灵O1模型发布：全球首个统一多模态视频生成AI，支持文生视频、图生视频、720p模式与自由叙事

- Link: https://paooo.com/aigc-news/12844/
- Published: 2026-06-16T12:12:22+08:00
- Author: 站外新闻

> **💡 站外导读：**视频创作领域长期面临工具割裂、一致性难保证、流程繁琐等核心痛点。
> 随着AIGC技术爆发，多模态大模型正彻底重塑内容生产方式。可灵AI此次推出的全球首个
> 统一多模态视频生成模型O1，正是瞄准这一行业变革的前沿——它试图用一个模型一站式解决
> 生成、编辑、理解的全流程，并支持图文视频多模态混合输入，将视频创作从工具依赖推向
> 意图驱动的新阶段。

## 可灵O1是什么

可灵O1（可灵视频 O1 模型）是可灵AI推出的全球首个统一多模态[视频生成](https://ai-bot.cn/ai-video-generation-tools/)
模型。模型通过创新的多模态视觉语言（MVL）架构，实现视频生成、编辑与理解的无缝融合。
模型支持多模态输入，如图片、视频和文字，能进行全能创作编辑，解决视频一致性难题，
提供多种创意组合。用户可通过简单对话生成精准视频内容，探索无限创作可能。

阅读目录

 * [可灵O1是什么](https://paooo.com/aigc-news/12844/#%e5%8f%af%e7%81%b5o1%e6%98%af%e4%bb%80%e4%b9%88)
 * [可灵O1的主要功能](https://paooo.com/aigc-news/12844/#%e5%8f%af%e7%81%b5o1%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [可灵O1的技术原理](https://paooo.com/aigc-news/12844/#%e5%8f%af%e7%81%b5o1%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [可灵O1的性能表现](https://paooo.com/aigc-news/12844/#%e5%8f%af%e7%81%b5o1%e7%9a%84%e6%80%a7%e8%83%bd%e8%a1%a8%e7%8e%b0)
 * [如何使用可灵O1](https://paooo.com/aigc-news/12844/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8%e5%8f%af%e7%81%b5o1)
 * [可灵O1的应用场景](https://paooo.com/aigc-news/12844/#%e5%8f%af%e7%81%b5o1%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/12844/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

可灵O1模型迎来重要更新，现已支持720p分辨率模式，并能生成时长在3到10秒之间的自由叙事
内容，让创作者在内容制作上拥有更高的灵活度和更大的创作空间。

![可灵O1](https://paooo.com/wp-content/uploads/2026/05/kling01-website1-1.avif)

## 可灵O1的主要功能

 * **全能引擎**：可灵O1是全球首个统一多模态视频大模型，能一站式完成视频生成、编辑
   和修改等全部创作流程，无需在多个工具间切换。
 * **全能指令**：支持多模态输入，包括图片、视频、文字等，通过深层语义理解力，用户
   能通过简单对话轻松生成和编辑视频内容。
 * **全能参考**：通过多视角构建主体和多主体自由组合，解决视频一致性难题，确保视频
   画面无论镜头如何流转都能精准连贯。
 * **超强组合**：支持不同技能的组合使用，如同时增加主体和修改背景，一次生成多种创意
   变化，探索无限创作可能。
 * **掌控节奏**：支持3-10秒自由生成视频时长，用户能自由掌控视频节奏。
 * **新增720p模式**：在继承原有1080p核心能力的基础上，新增720p模式，适合轻量化创作，
   降低设备要求。
 * **自由叙事时长**：首尾帧支持3-10秒自由叙事，打破固定时长限制，创作者能自由定义
   视频的开头和结尾时长，提升创作灵活性。

## 可灵O1的技术原理

 * **全新视频生成模型**：打破传统视频模型的功能割裂，构建新的生成式底座，融合多模
   态理解的Multimodal Transformer和多模态长上下文（Multimodal Long Context）。
 * **多模态视觉语言（MVL）**：引入MVL作为交互媒介，通过Transformer实现文本语义与
   多模态信号的深层融合，支持单一输入框内灵活调用无缝融合多种任务。
 * **智能推理能力**：基于MVL输入，模型实现多模态精确参考与高自由度交互编辑，支持
   长上下文及时序叙事。结合Chain-of-thought技术，模型具备常识推理与事件推演能力，
   展现出视频生成的智能化表现。

## 可灵O1的性能表现

 * **图片参考任务**：在图片参考任务上，模型的整体效果胜负比为 247%，表明在整体效果
   及多个细分维度上均表现优异。与 Google Veo 3.1 的 Ingredients to Video 对比，视频
   O1 模型在图片参考任务上的效果显著领先。
 * **指令变换任务**：在指令变换任务上，模型的整体效果胜负比为 230%，显示出在整体
   效果及多个细分维度上均表现优异。与 Runway Alph 对比，模型在指令变换任务上的效果
   也显著领先。

![可灵O1](https://paooo.com/wp-content/uploads/2026/05/kling01-website.avif)

## 如何使用可灵O1

 * **访问平台**：访问[可灵官网](https://ai-bot.cn/sites/13002.html)或[可灵App](https://ai-bot.cn/app/29505.html)，
   完成用户账号注册和登录。
 * **选择模型**：在平台上选择视频 O1 模型。
 * **上传素材**：根据需要上传参考图片、视频片段、文字描述等素材。
 * **输入指令**：使用多模态指令输入区，输入创作指令。
 * **生成视频**：模型根据提供的素材和指令生成视频。可以指定视频的长度，如3-10秒。
 * **编辑和调整**：用模型提供的编辑功能，如增加、删除、修改视频内容，切换景别/视角
   等。
 * **预览和导出**：预览生成的视频，确保满足要求。满意后，将视频导出到本地设备。

## 可灵O1的应用场景

 * **社交媒体内容制作**：用户能快速生成适合社交媒体平台的短视频，如抖音、Instagram
   等，用于个人分享或品牌营销。
 * **在线教育和培训**：教育工作者能创建互动式视频课程和培训材料，提高远程学习的吸引力
   和效果。
 * **广告和营销视频**：企业和营销团队用模型生成吸引人的广告视频，用于产品推广和品牌
   宣传。
 * **电影和视频制作**：电影制作人和视频编辑用模型进行前期制作，如创建故事板、概念
   验证和动画效果。
 * **企业宣传和演示**：企业制作高质量的宣传片和演示视频，用于公司介绍、产品展示和
   活动报道，增强企业形象。

#### 📝 站长洞察 (Editor’s Insight)

可灵O1的发布标志着视频生成AI进入了「统一模型」新范式。它不再满足于单一的文生视频
能力，而是将生成、编辑、理解三大环节融合于同一架构，这背后是多模态视觉语言（MVL）
与长上下文推理能力的关键突破。从行业竞争看，它直接对标Google Veo和Runway等国际巨头，
并在关键指标上宣称领先，显示出中国AI团队在应用层创新上的锐度。更深层的趋势是，AI
视频工具正从「特效生成器」进化为「创意协作者」。O1支持的多主体组合、自由叙事和智能
推理，预示着未来内容生产将更贴近人类自然的创作思维——用对话而非复杂参数来构思画面。
对于企业和创作者而言，这意味着视频内容的生产效率和创意边界将被极大拓展，但同时也对
原创版权、真实性辨别等治理框架提出新挑战。可灵的这一步，是AIGC深化落地的又一重要
里程碑。