可灵AI通过官方渠道正式宣布，其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。该模型通过构建新一代生成式技术框架，实现了文本、图像、视频等多类型任务的深度整合，用户无需切换不同功能模块即可完成复杂创作需求。
技术层面，模型创新性地引入多模态视觉语言交互架构（MVL），配合思维链（Chain-of-thought）推理机制，使系统具备对复杂场景的语义解析能力。官方演示显示，该模型可同时处理包含多重指令的混合输入，例如通过单段文本描述生成包含特定角色动作、环境细节的连贯视频片段，并自动推演事件发展逻辑。
新上线的创作平台显著优化了交互体验，用户通过自然语言对话即可调用海量素材库，精准控制画面细节。系统支持对主体特征进行三维建模，确保在镜头运动、视角切换过程中保持形象一致性，即使同时存在多个可交互主体，各元素的空间关系与动作逻辑仍能保持精准协调。
据技术文档披露，该模型经过海量跨模态数据训练，形成独特的语义理解维度。无论是静态图片、动态视频还是文字描述，均可转化为系统可执行的创作指令。这种设计突破了传统视频生成工具的功能边界，为专业创作者与普通用户提供了更高效的表达工具。
实际测试表明，在复杂场景构建任务中，模型可自动补全画面细节并维持风格统一。例如用户输入"黄昏时分的赛博朋克城市，飞行汽车掠过全息广告牌"，系统不仅能生成符合物理规律的镜头运动，还会自主添加霓虹光影、雨滴反光等环境细节，使画面更具沉浸感。
