可灵AI近日通过官方渠道正式宣布，其自主研发的全球首款统一多模态视频生成模型——可灵视频O1已面向全体用户开放使用。这一突破性技术通过整合多模态交互能力，重新定义了视频创作的边界。
据技术团队介绍，可灵O1模型的核心创新在于构建了新一代生成式架构底座。该架构突破了传统功能模块的割裂状态，通过引入多模态视觉语言（MVL）交互框架，实现了文本、图像、视频等多元输入在单一操作界面的无缝融合。结合思维链（Chain-of-thought）技术，模型展现出对复杂场景的深度理解能力，能够基于常识进行事件推演和逻辑推导。
官方演示显示，新上线的创作平台采用对话式交互设计，用户仅需通过自然语言描述需求，即可调用系统内置的百万级素材库。从人物表情到光影效果，每个细节均可通过多轮对话实现精准调控。特别值得关注的是，模型对主体特征的捕捉能力达到行业领先水平——即便在镜头快速切换或视角剧烈变化时，仍能保持主体形态、色彩、纹理的高度一致性。
在多主体交互场景中，该模型展现出独特的创作优势。用户可自由组合多个独立元素，系统会自动分析各主体间的空间关系与动作逻辑，生成符合物理规律的动态画面。这种技术突破为复杂叙事视频的自动化生成提供了可能，在影视制作、广告营销等领域具有广泛应用前景。
