大數(shù)據(jù)文摘受權轉載自數(shù)字生命卡茲克

作者：卡茲克

我不知道該如何組織言語，來跟大家描述可靈2.0帶給我的震撼。

可靈2.0，今天正式上線了。

在發(fā)布會的4天前，我就提前拿到了可靈2.0的權限，整整花掉了4萬的積分。

我想說，當年給Sora的那句評語，此刻，應該真正的用在可靈2.0的身上。

現(xiàn)實，這次真的不存在了。

多說無益，我直接放幾個我跑的case。

以上，全部是我用可靈，實打實用AI生成出來的，而且根本沒怎么roll，每個視頻最多roll2次。

當AI能做到這個級別的視頻效果的時候。

現(xiàn)實，真的還需要存在嗎？

登錄可靈官網： https://app.klingai.com/cn/

你就能在視頻生成的tab里，看到可靈2.0大師版了。

在運鏡幅度、物理規(guī)律、人物表演、動作穩(wěn)定性、語義理解等等上，都有巨幅且水桶的提升。

可靈1.6之前就是能實際使用的AI視頻中的No.1，而這次，可靈2.0，又把AI視頻帶上了一個新的高度。

給大家看一個非常直觀的對比。

這是一只霸王龍。

我們看到這張圖的時候，已經就能非常直觀的感受到動勢，霸王龍正臉怒吼，鏡頭近到幾乎要被吞掉，我想到最直觀的prompt，就是“第一人稱逃跑視角”，你坐在一輛越野車上，看著霸王龍一點一點沖過來，隨時要你的命，這個感覺是很刺激的。

我的Prompt是：霸王龍怒吼后猛然沖向鏡頭，張口撲咬，巨大的身體掀翻樹木，鏡頭劇烈晃動，模擬第一人稱逃跑視角，穿越叢林，狂奔躲避追擊，樹枝劃過鏡頭，恐懼與速度并存。

先來看可靈1.6的（不要瞧不起1.6，在2.0出來之前已經是王中王了，可以看我之 前 評測RunwayGen4的時候，跟可靈1.6的對比的文章 - ）

能看到，問題還是有很多，霸王龍的動勢是到位了，但是霸王龍跟樹的交互也非常的奇怪。樹跟橡膠一樣，一股子路飛既視感。

再看可靈2.0。

直接撞斷樹，一腳踩塌樹，運動感爆炸，霸王龍和周圍環(huán)境的交互爆炸。還有周圍被揚起的灰塵，以及差點被咬到的后怕，可靈2.0都表現(xiàn)的淋漓盡致。

這是運鏡、動作、交互等所有方面，水桶式提升的一個綜合案例。

給你帶來了無與倫比的AI視頻“觀影”體驗。

在人與物交互方面，還有一個過去很難做的一個案例，叫“摘眼鏡”。

對，就是帶著眼鏡的人，摘眼鏡。

正好可圖2.0這次是一起發(fā)布的，在電影質感上也不錯，我再做一個聯(lián)動的case，給大家看一下效果。

我先用可圖2.0，生成了一個戴著金絲邊眼鏡的小丑妝女孩。

生圖的Prompt是這樣的：

電影質感，特寫鏡頭，一位年輕女小丑的臉部，帶有紅色大鼻子、紅色腮紅妝容，眉毛濃密，戴著圓形金絲眼鏡，頭發(fā)是紅藍相間的蓬松卷發(fā)假發(fā)，表情嚴肅、帶有內斂的悲傷感，皮膚細膩，細節(jié)寫實，光影濃郁，整體氛圍昏暗、具有電影感和戲劇張力，背景虛化，焦點集中在眼神和面部表情上。

我生視頻的prompt是這樣的： 小丑妝女孩定格凝視鏡頭，眼神冷靜中透出疲憊，鏡頭緩慢后拉，微微抖動聚焦眼神，他輕輕摘下眼鏡，嘴角抽動仿佛想笑，最終眼神低垂不語，氣氛壓抑克制，鏡頭暗轉隱入陰影。

我們來看看，可靈1.6在摘眼鏡上的效果。

人物表情倒是比較精致，包括眼皮、嘴角的抽動都實現(xiàn)了，但是鏡頭沒理解，而且這個眼鏡，雖然摘了，但是眼鏡腿瘋狂抖動，還把鼻子給帶下來了。。。

我們再來看看可靈2.0。

鏡頭逐漸后拉，畫面外的手，伸到眼鏡腿上，按照真實物理反饋將眼鏡抬起，眼鏡本體同時不變形，再摘下來的時候，鏡片上的光影還會給你近乎顯示的展現(xiàn)。

最后的遁入暗影，也是銜接的非常完美。

這就是真實感，無與倫比的真實感，能以假亂真的真實感。媲美電影級審美的真實感。

還有這個，可圖2.0生成的很漂亮的亞洲女孩。

我想讓她摘下眼鏡，然后走起來。

看看可靈1.6。

抬了一個假動作。

我們再看看2.0。

不僅把眼鏡摘下來了，而且眼鏡里的反光，都模擬了出來。

AI視頻模型有一個最基本的測試原則就是，畫面面積占比越大，成功率越大，面積占比越小，成功率越小。

可靈1.6在這個面積上失敗了，但是可靈2.0成功了。這個點，就能看出來，可靈2.0的強大了。

還有多人的不同動作和交互，這在過往，真實感也會因為多主體的復雜，而被大幅的削弱。

比如這張圖上的四個人，我們想做復雜的動作，還希望畫面外的人，來跟畫面內的人產生一些交互。

Prompt是這樣的： 五人圍坐篝火旁，女子抬頭微笑看向鏡頭，身旁男子彈吉他，畫面外的人遞茶給她，她接過來吹了吹，大家交談輕笑，火光映出臉龐，鏡頭不動。

可靈1.6是這樣的。

說實話，動作啥的已經很好了，但是從我們人類的直覺看過去，可能細看之下，還是會有點假。如果你感受不到假的話，那對比2.0生成的內容看看。

右下角燃燒的火光映射在眾人的臉上，大家臉上的光影隨著火的跳躍而閃動，火上冒出的寥寥炊煙，還有畫面外的第5個人，以及人與人之間，那自然和諧不造作的表情。

這一切的一切，都在提醒你，這是真實的。

還有兩人的愛情，除了手部的交叉運動的時候會有bug，其他幾乎都很真實了。

還有派大星吹笛子，語義理解能力強到爆炸。

Prompt： 派大星在夜市集市上吹長笛，表情認真，動作滑稽，圍觀人群跟著節(jié)奏晃動，他吹奏過程中頻頻停頓觀察周圍物體，然后繼續(xù)演奏，最終表演結束鼓起腮幫子比贊，鏡頭輕快滑動，全程歡樂。

一個吟游貓詩人，在酒館中，唱著屬于自己的故事，而且，彈吉他的手，還會按和弦。

輕聲哭泣的外星人。

老人們敬禮后，相視一笑，一生的記憶，都在這一刻了。

一個看著專業(yè)但是卻是菜雞的跳水。

監(jiān)控風，怪獸的第一次現(xiàn)身。

她性感地吞下“快樂”，這是一個時代，用消費麻醉靈魂。

女孩剛剛淋了一場暴雨，在失戀的氛圍中，黯然神傷。

第一視角，在開車，是真實的開車。

女孩剛進行完一場演出，向大家，誠懇的鞠了一躬。

我還有太多太多想給你看的案例，但是受限于篇幅，我就只能放這么多了。

我覺得，真實感不是技術的結果，是審美的躍遷。

它是一種“你沒法說它哪里對了，但你知道它真的對了”的東西。

像是你深夜看了一段視頻，主角一個眼神掃過來，你突然有點發(fā)怔，心跳慢了半拍，甚至懷疑了一下：這真的是AI生成的嗎？

真實感，是一種，從AI制造出來的幻象中，被打動的恥辱感。

是一種，你明明知道它是假的，但你仍然會被它輕輕拽進那個世界里的羞恥感。

我們總說“沉浸感”，說電影讓人沉浸、游戲讓人沉浸，但沉浸之前要發(fā)生的第一件事是什么？

是你信了。

你信了那是雨，你信了那是憤怒，你信了他要哭了、要笑了、要崩潰了。

而這個“信”，是過去所有AI視頻都始終做不到的部分。

我只在Veo2的demo里，看到類似的感覺。

但現(xiàn)在，可靈2.0做到了。

它不是“像”，它是“信”。

信了，這個視頻里的一切。

這就是可靈2.0，這就是把真實感拉滿的王。

但是，接下來的，我還是要非常坦誠的，說一說可靈2.0，目前我測試下來，做不到的地方。

這不是挑刺，而是對于一個目前世界No.1的模型，最基本的尊重，這也是，他未來可以繼續(xù)坐在鐵王座上的理由。

比如目前在高速且群像的運動下，部分人物的穩(wěn)定性還有進步空間。

比如這個戰(zhàn)爭視頻，你能在開頭上，看到明顯的一個人分裂成了兩個人，就像濃霧一樣交織。

比如一群人的怪物獵人，小芝麻粒點大的人會有點亂。但是坦率的講，這個要是都穩(wěn)定了，那特效行業(yè)，就可以不需要存在了。

還有一些極度強調真實物理的跟現(xiàn)實一致的交互，還會有一些進步的空間。

比如投籃，對于AI視頻來說幾乎是噩夢，可以很明顯的看到人物的效果都是很棒的，最后球的物理路線，會有點讓牛頓的棺材板壓不住。

可靈2.0在AI視頻業(yè)內，已經是No.1了，接下來的目標，我覺得已經不是別的AI視頻模型了，而是，劍指好萊塢。

最后，我想說。

我們這些看著可靈，從1.0走到2.0的玩家，注定會是最早一批，見證新紀元崛起的人。

去年6月，可靈1.0第一次上線的時候。

這也是我們第一次，可以走到AI身邊，跟他說一句：

“我想拍個夢。”

所以，別猶豫了。

去登錄可靈，打開視頻生成那一頁，傳上你的第一張圖，寫下你的第一個prompt。

然后，你就會明白。

什么叫，現(xiàn)實不再需要存在了。

讓我們，開始拍夢吧。

GPU算力按需租用

A100/H100 GPU算力按需租用，

秒級計費，平均節(jié)省開支30%以上！

掃碼了解詳情?