图灵汇官网

快手旗下的可灵AI最近上线了一个新功能——“多图参考”模式。这项技术能够识别多张图片里的不同主体，并结合用户提供的文字描述，智能生成一段融合这些元素的视频，成功解决了AI视频生成中的一致性问题。

用户现在可以在可灵1.6版本中尝试这个功能。操作起来很简单，先选择图生视频选项，上传1到4张参考图片，再用框选工具挑出图片里的目标对象（比如人物、动物、物品或场景），最后用文字描述这些对象的变化或交互，可灵AI就能根据所有信息生成视频。

你可以上传一张或多张相同主体的照片，像人物、动物、影视角色或物品之类的。系统会根据这些照片制作出风格一致的视频，让用户在做AI视频时保持画面中主体的一致性。比如上传一张猫咪、一件夹克和一副墨镜的照片，再输入提示“一只穿着夹克、戴着墨镜的人格化猫咪在舞台上转圈并向镜头摆pose”，最终生成的视频就会符合这个设定。

另外，借助参考图，用户还能指定场景、服饰和动作等细节，让角色在某个特定环境下完成特定表演，大幅提升了创作灵活性。例如上传一位卡通爷爷、一杯咖啡和咖啡厅的图片，输入提示“一位卡通风格的爷爷正在咖啡厅端起咖啡杯”，就能得到爷爷坐在咖啡厅喝咖啡的画面。

“多图参考”还能实现不同角色间的互动。只需上传几张人物、动物或影视角色的照片，配合文字说明它们之间的互动即可。例如上传小男孩和柯基犬的照片，输入提示“一个可爱的男孩正在摸一只柯基犬”，就能生成相关视频。

在此之前，可灵AI已在全球范围内发布了“人脸模型”功能，允许用户上传多段视频来创建并定制人脸模型，进而基于此生成更多视频内容。这是行业内首次推出这样的功能，旨在满足用户对同一人物出现在多个镜头中的需求。

如今，“多图参考”功能的加入，让可灵AI在视频生成方面迈出了重要一步，不仅增强了内容的一致性，还鼓励用户充分发挥想象力，灵活搭配各类图片素材，构建独一无二的创意场景，打开更多创新空间。