可灵AI近期在视频创作领域迈出了重要一步，宣布其全系列视频模型新增了“视频音效”功能。这一创新举措意味着，用户在利用可灵AI进行视频创作时，不仅能享受到高清细腻的画面质量，还能体验到与视频内容完美契合、具备深度空间感的立体声音效，从而真正实现了视觉与听觉的双重沉浸。
目前，这一“视频音效”功能已被无缝整合进文生视频、图生视频以及多模态编辑等多种创作模式之中，并且为了庆祝新功能上线，可灵AI决定在限定时间内向所有用户免费开放此功能。
可灵AI还对原有的“音效生成”功能进行了全面升级，新增了“视频生音效”这一实用选项。现在，用户不仅可以通过输入文本快速生成音效，还能直接上传本地视频，或是选择之前在可灵平台上创作的视频作品，一键为那些原本静默的画面添加上与语义相符、节奏一致的音效。这些音效能够自动匹配视频中的动作、环境以及氛围，极大地增强了视频内容的感染力与沉浸效果，同时也有效减轻了创作者在音频后期制作方面的负担。
在实际应用中，可灵AI的音效功能展现出了令人瞩目的表现。例如，在一段展现婴儿欢快笑声的视频中，模型不仅精准还原了婴儿清脆的笑声，还细致捕捉到了婴儿笑声间隙中的短暂吸气声，这些声音与画面中婴儿脸颊的起伏动作完美同步，再加上富有层次感的立体声效果，使得整个画面充满了温馨与活力。
在另一项测试中，面对一段模拟山体滑坡导致巨石撞击汽车的紧张场景，可灵AI自动生成了金属扭曲断裂、石块飞溅以及尘土飞扬等细节音效。这些声音不仅定位准确、层次分明，还极大地增强了灾难场景的视觉冲击力与沉浸感，让观众仿佛身临其境。
据了解，可灵AI之所以能够实现上述功能，得益于其自主研发的多模态视频生音效模型——Kling-Foley。该模型能够根据视频内容以及可选的文本提示，自动生成与视频画面语义相关、时间同步的高质量立体声音频，涵盖音效、背景音乐等多种声音类型。同时，Kling-Foley还支持生成任意时长的音频内容，并具备立体声渲染能力，能够模拟和渲染出具有空间定向的声源效果。
