快手可灵：国产首发对标Sora的DiT架构文生视频AI模型

快手可灵是一款由快手自主研发的AI视频生成大模型，于2024年6月6日正式发布。这款产品是快手AI团队基于多年的视频技术积累，采用类似于Sora的DiT技术路线，并融合了多项自研创新技术的结果，旨在对标Sora的性能。

快手可灵在技术层面表现出色，它采用了原生的文生视频技术路线，取代了图像生成与时序模块的组合，从而实现了生成时间长、帧率高、能准确处理复杂运动的能力。具体来说：

• 大幅度的合理运动：通过3D时空联合注意力机制，可灵能够精确模拟复杂时空运动，生成符合物理规律的大幅运动视频。
• 长达2分钟的视频生成：得益于高效的训练基础设施、极致的推理优化和可扩展的基础架构，可灵能够生成长达2分钟的视频，且帧率达到30fps。
• 模拟物理世界特性：利用自研模型架构和Scaling Law，可灵能够精准模拟真实世界的物理特性，生成符合物理规律的视频。
• 强大的概念组合能力：基于对文本-视频语义的深刻理解和Diffusion Transformer架构的强大能力，可灵能够将用户丰富的想象力转化为具体的画面，创造虚拟世界。
• 电影级的画面生成：通过自研的3D VAE技术，可灵能够生成1080p分辨率的电影级视频，无论是宏大场景还是细节特写，都能生动展现。
• 支持自由的输出视频宽高比：可灵采用了可变分辨率的训练策略，在推理阶段可以输出不同比例的视频，满足多样化应用场景的需求。

从行业角度来看，快手作为头部短视频公司，积极布局AI领域，其产品的推出不仅展示了快手在AI大模型技术方面的深厚实力，也体现了国产AI视频模型的技术水平。分析师预计，随着AI技术的持续迭代，中国厂商的技术追赶速度加快，AI视频应用的商业化进程有望加速，同时降低了内容创作的门槛。

然而，该产品面临的风险包括但不限于政策监管趋严、技术迭代进展不达预期、产品商业化进程不如预期等方面。

快手可灵的发布标志着快手在AI领域的深入探索，不仅展示了其技术实力，也为AI视频生成领域带来了新的可能性。