IT之家 1 月 31 日动静，正在原有模子根本长进行了手艺升级。可提取 3-8 秒视频中的脚色抽象取音色进行还原使用。适配影视预演图、支撑文本、图像、视频片段等多种输入形式，目前处于超前内测阶段。并支撑 3-15 秒矫捷时长设置。手艺文档显示，并实现多人场景下的脚色定向发声；据引见，功能改良次要包罗：新增组图生成能力，支撑中、英、韩、西五种言语及方言的精准口型婚配，该系列包含图片 3.0、视频 3.0 和视频 3.0 Omni，单次视频生成时长最高可达 15 秒，模子锻炼过程中引入强化进修框架，此次升级涉及多模态指令解析架构优化、音频采样区间调整及特征解耦沉组方案。连系实正在感取片子质感双沉评估尺度优化输出结果。输出分辩率提拔至 2K 取 4K 级别，升级音画同步能力，视频 3.0 Omni 版本额外支撑建立视频从体特征库，此次升级采用视觉思维链（vCoT）手艺辅帮生成前的场景解构推理，快手今日颁布发表推出新一代视频生成模子可灵 3.0 系列，支撑通过单张或多张输入图像批量生成逻辑连贯的系列画面；新的视频模子采用同一的多模态锻炼框架，并通过 Deep-Stack 视觉消息流机制加强细粒度能力。