4月15日，快手2024年财报电话会议的主角——可灵AI，对外公布了最新进展。

具体来说，可灵AI宣布基座模型再次升级，面向全球正式发布可灵2.0视频生成模型及可图2.0图像生成模型，前者在动态质量、语义响应、画面美学等维度较此前版本进一步升级，后者在指令遵循、电影质感及艺术风格表现等方面得到显著提升。

自去年6月发布以来，可灵AI已累计完成超过20次迭代，月活用户数量增长25倍。截至目前，其全球用户规模突破2200万；累计生成1.68亿个视频及3.44亿张图片素材。

快手高级副总裁、社区科学线负责人盖坤认为，AI在辅助创意表达上拥有巨大潜力，但当前的行业发展现状还远远无法满足用户需求，在AI生成内容的稳定性、以及用户复杂创意的精确传达上仍然存在“很多挑战”。因此，为了让每个人都能用AI讲出好故事、实现更加精准的复杂创意表达，必须对基座模型能力进行全方位提升。

而在本次2.0模型的迭代中，可灵AI正式发布AI视频生成的全新交互理念Multi-modal Visual Language（MVL），由TXT（Pure Text，语义骨架）和MMW（Multi-modal-document as a Word，多模态描述子）组成，能够从视频生成设定的基础方向以及精细控制两个层面，更为精准地实现AI创作者的创意表达。

基于MVL理念，可灵AI推出了多模态编辑功能，这也在全新上线的可灵2.0大师版得到了充分应用。快手副总裁、可灵AI负责人张迪介绍，可灵2.0大师版全面升级视频及图像创作可控生成与编辑能力，能够灵活理解用户意图。与此同时，其支持在一段视频的基础之上，通过输入图片或文字，对生成的视频内容实现元素的增加、删减、替换，帮助创作者实现更加灵活的二次编辑和处理。

张迪披露，当前，图生视频约占到可灵AI视频创作量的85%，图片质量也对视频的生成效果产生重要作用。他介绍，可图2.0文生图能力迎来全面升级。包括大幅提升指令遵循能力、显著增强电影美学表现力以及更多元的艺术风格。在风格化响应上，可图2.0可支持60多种风格化的效果转绘，模型出图创意和想象力实现大幅跃升。

同时，可图2.0也上线了图像可控编辑功能——局部重绘和扩图，支持图片的增加、修改和修复。在图像的多模态可控生成中，可图2.0上线了全新的风格转绘功能，只需要上传一张图片加上风格描述，就可以一键切换图片的艺术风格，并精准保留原图的语义内容。

电厂体验了可灵2.0大师版的文生视频和图生视频功能，系统提示的平均等待时间多数在20分钟以内。文生视频方面，语义理解偏差较小，运动幅度更为合理；图生视频方面，指令遵循能力升级，审美风格令人惊喜。

除了C端订阅用户，可灵AI也面向B端商家提供API接入等服务，已与包括小米、亚马逊云科技、阿里云、Freepik、蓝色光标等在内的数千家国内外企业客户建立了合作关系。来自世界各地的超1.5万开发者和企业客户，将可灵的API应用于不同行业场景。

此前，快手方面透露，自商业化以来至2025年2月，可灵AI累计创造收入超过1亿元。可灵AI肩负的期待是“力争可灵AI早日成为营收规模全球第一的视频生成AI应用”。可灵AI的商业化与升级进程同步，首次上线开放测试一个月后即上线了会员体系，开始提供付费服务。商业化场景下，AI能力也正在被开放给广告主和电商商家，为之创造增量。2024年第四季度，快手AIGC营销素材日均消耗超过3000万元。

“长期来看，我们希望通过可灵AI的赋能，改造升级现有业务的同时，创造AI视频生成内容的新赛道，保持并升级快手作为短视频生产和消费社区平台的领先地位。”在2024年第四季度及全年业绩报告发布后的电话会议上，快手创始人兼CEO程一笑这样阐述了可灵AI的目标及其之于快手的意义。可灵AI的愿景是让每个人都能用AI讲出好故事。当然，这也是属于快手的“好故事”——现在的每一次升级，都在书写这个故事的文段。