12月1日，可灵AI在其官方公众号正式宣布，全球首款统一多模态视频大模型——可灵视频O1已全面上线。这一发布标志着视频生成技术迈入一个全新的整合阶段，不再局限于单一功能模块，而是以统一架构实现跨模态的深度融合。
据官方披露，可灵O1模型基于全新打造的生成式底座，彻底打破传统AI系统中图像、文本、视频等任务彼此割裂的局面。其核心在于引入了MVL（多模态视觉语言）交互架构，使得用户仅需在一个输入框内，即可自然地融合文字描述、图片参考与视频指令等多种输入形式。配合先进的Chain-of-thought推理机制，该模型不仅能理解表层指令，更能进行深层次的常识判断与事件逻辑推演，从而输出高度连贯且语义精准的视频内容。
可灵AI强调，得益于统一模型所具备的深层语义理解能力，“每一张照片、每一个视频片段、每一段文字，在可灵O1眼中都不再是孤立的数据，而是具有明确意图的创作指令。”与此同时，平台同步推出了全新设计的创作界面，大幅降低使用门槛。用户只需通过自然语言对话，即可调用各类素材资源，并对画面细节进行精细控制，真正实现“所想即所得”的智能创作体验。
在生成效果方面，可灵O1展现出卓越的主体一致性处理能力。无论镜头如何切换视角、焦距或运动轨迹，模型都能确保主体的关键特征保持高度稳定，避免传统生成模型常见的“身份漂移”问题。此外，该模型还支持多个主体在同一场景中的自由组合与互动，为复杂叙事和多角色场景提供了前所未有的创作自由度。
目前，可灵视频O1已面向公众开放体验，用户可通过官方渠道进入创作平台，亲身体验这一多模态视频生成技术带来的革新性变化。
