可灵AI电脑版

　　可灵ai是一款广受创作者欢迎的ai创意创作生产力工具，基于多种大数据模型，提供视频、图片生成与编辑能力。软件支持文字生成视频、图片，1080p画质视频一键生成，支持文字生成图片、图片生成图片，可以多次生成图片，选择模板、风格、参数、尺寸生成更多图片或者视频，创作同款热门视频，在这里，你可以尽情发挥想象力，也可以参考其他创作者的创作灵感，让创意完美落地。

软件亮点

1.ai视频

支持文生视频和图生视频，输入文本或图片，即可让你的创意动起来，视频质量可达1080p。通过视频续写功能，还可以生成长达3分钟的创意内容。

2.ai图片

支持文生图和图生图，基于描述和参考图，可以生成多种尺寸、多种风格的创意图片，更支持将图片一键生成视频。

3.创意圈

还可以浏览其他用户的作品，为自己寻找创作灵感，与圈内知名ai创作者一起激发想象力。

4.做同款

对喜欢的创意素材，支持一键同款，快速尝试超赞的创意内容。

可灵ai模型介绍

1、可灵图片3.0

【可灵图片3.0模型亮点】

■特征高度保持：模型支持最多 10 张参考图的特征提取，可精准锁定各图的主体轮廓、核心元素与色调基调。即便进行跨图生成或系列化创作，也能维持元素的一致性，尤其适合 ip 角色系列设计、漫画分镜创作、品牌周边统一风格设计等场景，大幅提升系列内容的产出效率。
■细节修改精准响应
模型无需专业修图技能，仅凭文字指令即可实现图片中物品与人物进行精准增、删、改操作。尤其能在保持原图风格、光影、质感等核心特征的基础上，精准响应编辑需求，生成效果自然协调，相比传统修图工具显著减少操作步骤，提升创作效率。
■风格调性准确把控
模型能够深度解构参考图的风格内核，精准捕捉笔触肌理、色彩搭配与构图逻辑，实现全局风格的无缝转绘与自然融合。无论是毛毡、3d手办等艺术风格，还是一些独特的小众潮流风格，都能高度还原，满足品牌视觉统一、影视分镜设计、艺术风格迁移、个性化创意表达等多元需求。
■超丰富想象力
模型可实现参考融合交互自然和谐，支持参考图涂鸦编辑与自然语言指令触发创意，轻松呈现复杂构想。依托强大的世界知识与视觉推理能力，可精准解析您的综合意图，能精准捕捉不同参考主体的核心特征，避免主体参考生硬堆砌，让融合交互自然生动；也支持参考图涂鸦指令，轻松呈现复杂创意构想。

【可灵图片使用场景】

1、影视类创作：人物角色多视图、拍摄角度/高度修改、景别修改、表情修改、光影修改、色调修改。
2、人像处理与风格化：证件/肖像照、人物写真照、多人/角色合影、头像风格化。
3、电商内容生产：商品展示：虚拟试穿。

【可灵图片提示词书写技巧】

■图片编辑-提示词技巧，公式：保持其他不变，将【】修改为【】。如： 保持其他不要改变，只把猫变成狗。

■人脸参考-提示词技巧，公式：保持【】的长相，人物是【】发型，人物穿着【】服装，【】动作，背景是【】，【】的光影效果，【】的氛围感。
示例：保持【图1中女生】的长相，人物是【侧麻花辫发型，头上别着一朵浅蓝色的花】发型，人物穿着【穿着孔雀蓝的旗袍，白色复古皮鞋】，【手梳理着头发，微微歪头】动作，背景是【室内背景，欧式复古家具】，【阳光从侧面窗户照进来】的光影效果，【温暖复古】的氛围感。

■位置参考-提示词技巧，需要更明确方位指令，尽量不模糊，直接明确需要更改内容即可。

2、可灵视频3.0

【可灵视频3.0模型亮点】

1、智能分镜：ai导演入驻，一键直出电影感

告别单镜头堆砌，让ai读懂你的剧本。全新智能分镜系统，能敏锐捕捉prompt中的场景流转，自动调度景别与机位——从经典的对话正反打，到进阶的台词跨分镜、画外音，各类高阶视听语言模型均能精准响应。无需繁琐后期，一次生成，即是一场成熟的影像叙事，让复杂的视听表达对每一位创作者触手可及。

2、全球首创 图生视频 + 主体参考：锁定视觉核心，主角始终如一

依托底层模型多模态特征的深度理解，支持在图生视频基础上，额外添加多图主体/视频主体，对画面中的特定元素进行二次锚定，让模型能像专业的选角导演一样，牢牢锁定主角、道具与场景特征。任凭镜头如何推拉摇移，视觉主体始终稳定如一。

3、全能音画：角色定向驱动，语言无界混说

■音画同步能力重磅升级，实现文本与视觉角色的精准映射。多人同框下，想让谁说，就谁来说，彻底解决指代混乱难题。

■同时支持多语种（中、英、日、韩、西）及地道方言和口音的演绎，甚至多语混说。无论是职场中的双语切换，还是生活流的方言对白，口型与神态均自然流畅，毫无违和感。

4、原生级文字：字形精准，信息无损

无论是保留原图中的招牌、字幕细节，还是生成全新的文字内容，模型都能确保字迹清晰、结构严谨。不仅提升视频的物理真实感，更直接满足电商广告等多场景对文字信息的高保真需求。

5、15s超长生成：突破时长限制，篇幅与想象力同步

新版本解锁最高15秒连续视频生成，并支持3-15秒灵活时长生成。这不仅仅是时长的延伸，更是叙事维度的重构——在长达15秒的时间窗口内，模型能从容容纳更复杂的动作逻辑与环境演变。无论是长镜头的细腻铺陈，还是多重情节的起承转合，都能在一个生成周期内完整呈现，告别碎片化拼凑，让故事真正起承转合、有起有落。

【可灵视频3.0新能力使用说明】

1、多镜头叙事

视频 3.0 新增了高度灵活的分镜头控制能力，能够实现灵活调度景别和机位，提升视频的叙事效果。在视频 3.0 中，支持通过「智能分镜」和「自定义分镜」两种方式触发多镜头视频的生成。打开「智能分镜」时，模型会自动规划视频的镜头切换，且该开关为「自定义分镜」的启用前置条件；关闭「智能分镜」时，会默认输出单镜头内容。

■智能分镜

➊在打开视频 3.0 输入区的「智能分镜」开关情况下，视频 3.0 会根据指令自动规划视频的场景流转、景别调度和机位切换。在「智能分镜」开关打开时，大部分情况下模型会根据指令的，但如果指令描述的场景更适合用单镜头来表达，模型会根据实际情况灵活处理：
➋欧洲别墅户外露台场景，铺着蓝白格纹桌布的餐桌旁，年轻白人女性穿蓝白条纹短袖衬衫、卡其色短裤，系棕色腰带，赤脚坐着，对面是穿白色 t 恤的年轻白人男性，镜头推进，女性晃着玻璃杯里的果汁，目光望向远处的树林，说“these trees will turn yellow in a month, won't they?”，镜头特写男性低着头说，“but they'll be green again next summer.”，然后女性转头，笑着看向对面的男性，说，“are you always this optimistic? or just about summer?”，然后男性抬起头，看着女生说，“only about summers with you。”

■自定义分镜

在打开「智能分镜」开关的情况下，点击「自定义分镜」，即可精准控制各个分镜的内容、时长，模型会严格根据指令，生成符合预期的多镜头视频：

●镜头1-后远景低角度跟拍，骑手向前驶去
●镜头2-侧方低角度近景，特写摩托车车轮
●镜头3-骑手第一人称主观视角，前方是摩托车车把和表盘
●镜头4-正面中景迎向摩托跟拍，骑手头盔正对镜头
●镜头5-侧方平拍跟拍（轻微跟移）
●镜头6-高空微俯远景，镜头拉高，拍雪地摩托向雪原深处行驶，车辙在纯白雪地上划出蜿蜒的线条，两侧散布着落满雪的森林。

2、图生视频 + 主体参考

在图生视频功能基础上，新增主体绑定能力，可锁定画面特定元素，确保主角始终如一。即便镜头推拉摇移，主体也能清晰稳定，不偏移、不丢失。 上传图片后，通过「绑定主体，增强一致性」入口绑定已创建的主体，即可借助主体参考功能，生成主体锁定、画面稳定的视频。绑定主体可同步实现主体形象、音色双重一致：视觉上精准匹配主体特征，音色可在创建主体时提前绑定；若选择已绑定音色的主体，则不建议在 prompt 中额外设置音色。

●示例：真实职场质感，长镜头一镜到底无切换，全程中景平稳跟拍职场女性，镜头与人物同步移动：人物行走时镜头同步跟随，人物停顿时镜头即刻静止，动作自然连贯、镜头运镜流畅。女性向前走出电梯，身后电梯门缓慢自然闭合；她步入办公区，用手摘下墨镜，随手放进随身通勤包，向沿途擦肩而过的同事自然点头问好；她短暂停下，镜头同步静止，将通勤包挂在办公区的衣架上，接着脱下外层外套，也挂在同一衣架；挂好衣物后她继续向前走，镜头同步跟随；一名身着制式衬衫的男生迎面走来，递上一份文件和一支签字笔，她停下、镜头同步静止，接过后在文件上签字；签完字后她继续向前走，镜头同步跟随；最终她走到办公桌旁，在椅子边落座，伸手端起桌上的一杯茶，低头轻抿饮用，动作松弛自然。

3、音画同出

视频3.0全面升级音画同步能力进行全面升级，在原有基础上实现文本与角色的精准映射，大幅提升多人指代准确率，同时支持多语种、多方言及口音演绎，打破语言表达边界，让音画配合更自然、更具多样性。

●多角色指代
在prompt中明确各角色的台词内容，3.0 模型会自动解析角色与台词的对应关系，轻松解决多角色指代混乱问题，实现多人同框定向发声。在输入指令时，可以将对于人物的描述和对应的说话内容进行对应的描述。相较于视频 2.6 模型，3.0 模型可以很好的完成三人以上的多角色指代，实现更佳的叙事效果。示例：一位女老师和三个学生站在教室里，镜头固定，女老师说："我们不说，包的，但可以说"，这时说话人切换为穿着校服的女学生，女学生举起单手握拳说："志在必得"，这时说话人切换为穿着从第一位男学生，男学生微笑着说："万无一失"，这时说话人切换为穿着从站在最右边的男学生，男学生举起双手说："稳操胜券"。

●多语种内容生成
视频 3.0 支持中、英、日、韩、西五种语种的台词输出，在单个视频中也可实现多语种混合演绎，输入对应文本后，模型将自动匹配发音、实现多语无缝切换；若角色台词输入非上述目标语种的文本，模型将自动把台词翻译为英文并输出。

●方言、口音内容生成
在prompt中标注主体使用的方言或口音，模型可还原角色语气语调，实现地道方言与口音演绎。目前，视频 3.0 已经能够比较好的支持中文（比如东北口音、北京口音、台湾地区口音、粤语、四川话等）和英文（美式口音、英式口音、印度口音等）的方言和特定口音内容生成。只需要在指定的说话内容部分，标注期望生成的口音或方言类型即可。示例：固定镜头，一位年轻的咖啡师低头擦拭杯子。咖啡师抬起头看向镜头，用四川话说："诶，你来了哇。今天喝点啥子嘞，冰美式还是拿铁。今天正好来了新豆子"

4、原生文字能力
●视频3.0模型新增原生文字能力，可精准保留原图文字细节，适配电商广告、创意短剧各类创作场景，满足多元化创作需求。模型可自动识别上传图片中的文字内容（招牌、字幕、标识等），并进行文字一致性保持，有效避免文字偏移、模糊，确保信息完整呈现。
●示例：巴黎公寓窗边场景下，背景有轻柔的法式钢琴 bgm，午后鎏金阳光透过百叶窗洒在香水瓶上，形成斑驳光影。镜头从散落的玫瑰花瓣缓缓推进，焦点移向 kling 香水瓶的切割面，旁白（慵懒法式女声，英式口音，语速舒缓）：bathe in the golden hour. 镜头慢动作环绕香水瓶，捕捉金色刻字与瓶身的光影流动，旁白：kling, a whisper of parisian elegance. 镜头拉远定格完整场景（香水瓶立于丝绒台座，窗外巴黎建筑若隐若现），旁白：wrap yourself in luxury with every breath.

5、15s 长镜头生成
●视频3.0解锁15秒长镜头视频生成能力，同时支持3-15秒灵活时长调节，承载更复杂的动作逻辑与情节变化，完整呈现故事起承转合，告别碎片化视频拼凑，提升创作效率与作品连贯性。
●示例：超广角中远景横向跟拍开场，稳定器低位贴地运动，冷蓝夜色与银白星空形成高对比的浪漫电影色调，带强烈诗意现实主义与古典史诗气质；主体为身穿墨绿色长裙的年轻女性，在月光照亮的花园草地上全力奔跑，裙摆被风掀起形成汹涌的动态曲线，右手紧握一朵白色小花，左手提起裙角，呼吸急促却目光坚定；第4秒，镜头随着她向前加速，背景多名身着旧时代礼服的男女从左右两侧陆续闯入画面，与她并行奔跑，有人试图靠近、有人回头呼喊，却无人真正触碰到她，暗示追逐与逃离；第8秒，镜头逐渐拉近至中景摇至主角前方跟拍并略微抬升，她回头短暂看向身后一名年轻的男性角色，两人目光交汇一瞬，情绪在奔跑中爆发，女子和男子牵着手共同蹦跑；第12秒，音乐与动作达到高潮，镜头紧贴她的侧脸与飞扬发丝前行，她将白花松手抛向空中，花朵在慢速飘落中被后方人群掠过；最后3秒，镜头不停，继续向前推进，女子和男子冲出人群，奔向花园尽头的星空，身影逐渐占据画面中心，整体氛围炽烈、浪漫而决绝，像一段关于命运、选择与自由的爆发性叙述。

【视频3.0模型价格】

视频 3.0 提供“音画同步”和“无音画同步”两种模式，每种模式均支持 1080p 和 720p 两种分辨率。其中，“音画同步”模式下可额外启用音色控制功能。不同模式对应的视频服务费用按秒计费，收费标准有所差异。
●3.0视频生成-音画同步：1080p：12灵感值/s；720p：9灵感值/s
●3.0视频生成-无音画同步：1080p：8灵感值/s；720p：6灵感值/s
●3.0视频生成-音色控制：1080p：2灵感值/s；720p：2灵感值/s