产品中心
全球首个统一的多模态大模型发布了，这次不是国外的产品，而是国内的名为“可灵 o1”的大模型。
它打破了传统单一视频生成任务的模型边界，第一次将视频和图像融入进来。不仅仅可以基于文本生成对应的视频和图像，也可以做到对视频和图像进行精细化的修改。
我们见习惯了图像生成模型的强大，但是可灵的这个o1模型能够把视频进行修改，确实是另我们眼前一亮。 可灵 O1 本质上是把“视频生成 + 视频编辑”的一整条流水线，收拢进一个统一的多模态大模型里，用自然语言当总控开关。
它确实会让大部分“日常 P 视频”的门槛，降到和 P 图差不多的级别，这可以被称为视频界的“Nano Banana”
从官方的介绍来看，可灵O1总结起来有4个亮点：
统一的大一统视频模型（MVL 架构），它是在一个模型里同时支持多种模态输入的大模型，功能也是最为全面，比如可以进行：
文生视频、图生视频、参考视频生成
首尾帧补全、镜头延展
视频增删元素、换人/换物/换场景
风格重绘、色调/材质/视角修改
这些功能，过去这些通常是不同工具、不同模型，现在都塞进一个“全能引擎”里，不用来回导入导出，相当于你只要有一个想法，只需要使用可灵o1就能够帮你实现。
“所有东西都是指令”的多模态交互：任何的文本、图片、视频片段、主体（角色、多视角照片）都可以组合成条件；在输入模型的时候，它会自动理解这是谁、在哪里、在干什么”，在生成/编辑时保持角色、运镜、背景的一致性。
比如主体是一个“黑人青年”，加入一些赛博光影
生成的视频角色上基本保持一致
全流程语义控制：真的像“P 图一样改视频”
用一句话就能说：“把路两边的路人都删掉，只保留马车”，“把这个雕像改成我给你的姜饼人”，模型直接在原视频上改，并尽量保持运镜和光影一致。
对普通人来说，不再需要理解“遮罩、抠像、跟踪、关键帧曲线”这些概念。
面向平台级的大规模生产
它不是独立 SaaS，而是嵌在快手的大内容生态里：短视频、直播、带货、广告都能调用这个底层引擎；
这点和 OpenAI 的 Sora 更偏“基础设施+开发者平台”略有不同，可灵本身强绑定一个超大内容分发平台，一上来就有巨量应用场景。
总结来说，以前是：剪辑软件 + 特效插件 + 几个 AI 小工具 ，需要用到多个工具，才能费时费力的拼成一条视频制作流水线；而可灵o1干的事情就是只需要一个统一模型 + 对话式界面，就可以一口气完成大部分的活儿。
Q1：根据主体生成视频。
Q2：疯狂动物城玩法
把多张图片进行输入，然后控制人物的脸部不变，做成和朱迪进行合影
Q3：切换不同的视频角度
平时做一些创作视频时，经常会涉及到需要切个景别，或者换个视角拍摄，放在以前还需要重新生成一张图片，再去重新生成一段相同动作或者表情的视频来切景别，有时候就卡不上了。
现在可以直接用可灵O1以原视频为基础生成其他景别和拍摄角度的视频。
Q4：直接修改视频
可灵o1的出现，可以预见的是对个人来说绝对是最大好处的。
剪辑门槛大幅下降：会写文案、会找参考图的人，就能做出看起来还不错的“AI 视频广告 / 短片”。很多以前要找外包做的片子，可以自己搞。
运营、投放、策划全能化：以前“拍摄+剪辑”的成本会被压缩，更多预算会花在创意、脚本和投放上。
爆款内容会更卷：头部创作者/机构依然会赢，因为他们有更好的选题、叙事和账号运营能力。
如果说 2024 年是“AI 把人人变成摄影师”的一年，那么 2025 年无疑是“AI 把人人变成视频导演”的一年。可灵 O1 的出现，不是简单地让视频生成更快，而是第一次让“视频创作”这件事从技能型工作，变成了真正的“意图驱动型”工作。
相当于以后我们更聚焦在想法思考上，低端重复劳动被消灭，高端创意工作被放大。
真正优秀的导演、视频创作者，会比以前更“值钱”。因为当生产成本趋近于零之后，唯一稀缺的，就是“创意本身”。
如果说 Sora 展示了“视频生成的天花板”，那么可灵 O1 展示的，是“大规模落地”的另一条道路——在一个日活几亿的平台里，直接让生成能力变成内容生态的底层引擎。
