IT之家 9 月 18 日消息，近日，快手旗下的可靈 AI 推出全新數(shù)字人功能，通過(guò)一張角色圖片加一段文字或音頻，即可生成 1080p / 48FPS、最長(zhǎng) 1 分鐘的數(shù)字人視頻。目前產(chǎn)品公測(cè)陸續(xù)開(kāi)放中。

據(jù)IT之家了解，該數(shù)字人功能基于多模態(tài)理解與視頻生成模型的深度結(jié)合，實(shí)現(xiàn)了口型精準(zhǔn)同步以及情緒動(dòng)作的精細(xì)控制。其采用的基于 Transformer 的 DiT 架構(gòu)，在處理時(shí)序信息和細(xì)粒度控制方面具有獨(dú)特優(yōu)勢(shì)，能夠精準(zhǔn)解析面部特征、理解音頻語(yǔ)義，并根據(jù)語(yǔ)音內(nèi)容推斷合適的面部表情和微動(dòng)作，從而確保生成的數(shù)字人在視頻全程保持角色一致性。

在角色和語(yǔ)言支持方面，可靈 AI 數(shù)字人功能表現(xiàn)出色。其支持多種角色類(lèi)型，包括真人、動(dòng)畫(huà)角色甚至動(dòng)物形象，同時(shí)涵蓋中、英、日、韓等多語(yǔ)種，能夠滿足不同用戶的多樣化需求。在價(jià)格策略上，結(jié)合會(huì)員優(yōu)惠，可靈 AI 數(shù)字人的使用成本最低為 0.12 元 / 秒。

目前，可靈 AI 數(shù)字人功能正處于公測(cè)階段，產(chǎn)品已陸續(xù)向用戶開(kāi)放使用。用戶可以通過(guò)可靈 AI 官網(wǎng)進(jìn)行體驗(yàn)。未來(lái)，隨著技術(shù)的不斷成熟和 API 的開(kāi)放，可靈 AI 數(shù)字人有望與更多第三方平臺(tái)和應(yīng)用集成，構(gòu)建起更加完善的生態(tài)系統(tǒng)。