---
title: "可灵2.0推出图像语音编辑，把视频生成变成\"改着做\""
date: 2026-11-13
category: AIGC内容
site: 脑机网
canonical: https://aiai.cafe/a/njw-a45032
language: zh-CN
---

# 可灵2.0推出图像语音编辑，把视频生成变成"改着做"

> 多数视频生成工具还像一台自动售货机：打一行字，吐一段片，能不能贴合你脑子里的画面全凭运气。快手决定换掉这个比喻。2025年4月的北京发布会上，可灵（Kling）AI 从1.x跨入2.0代，主角不是"更好的片子"，而是"能改的片子"。2.0的

多数视频生成工具还像一台自动售货机：打一行字，吐一段片，能不能贴合你脑子里的画面全凭运气。快手决定换掉这个比喻。2025年4月的北京发布会上，可灵（Kling）AI 从1.x跨入2.0代，主角不是"更好的片子"，而是"能改的片子"。2.0的核心，是让创作者不再只能靠重写提示词来指挥结果——已经生成的视频，也能用图、用声音、用运动去推着它走。

## 关键要点

- 快手称可灵AI 2.0引入"多模态视觉语言"，可用参考图、语音线索、运动路径编辑已生成视频，而非仅靠文字提示。
- 可灵全球用户数在2025年4月已突破2200万，距2024年6月首次公开约十个月，历经20余次迭代。
- 公司称2.0在自身评测中，对谷歌Veo 2语义响应、画质与动态胜率为182%，对Runway Gen-4为178%（均为内部数据）。
- 快手称可灵AI第四季度带来约人民币3.4亿元（约4700万美元 / 约3.71亿港元）收入，12月单月收入突破人民币1.43亿元（约2000万美元 / 约1.56亿港元）。

## 2.0到底改了什么
2.0一次性推出两个模型：可灵AI 2.0负责视频生成，配套的可图（Kolors）2.0负责图像生成，二者共享快手称为"多模态视觉语言"的理念。

这套理念把人的意图拆成两块：一块是描述画面的纯文本"语义骨架"，另一块是把一张图、一段视频等信号像词元一样塞进提示词。落到操作上，创作者可丢给模型一张产品照，说"保留主体、背景换成摄影棚"，或给一段参考片，要求在已生成视频里增删改元素。快手称之为多模态编辑，也是它和多数工具"单提示词"流程最清晰的断点。可图2.0同步带来局部重绘、扩图与风格迁移等超60种效果。

更早的1.6 Pro曾在2025年3月Artificial Analysis全球视频榜图像生视频赛道拿到1000的Arena ELO，领先谷歌Veo 2和Pika，为2.0搭好了竞争框架。

## 它站在视频赛道的什么位置
快手的优势不寻常：它首先是内容平台，可灵顺着短视频创作者的日常需求训练，自带分发渠道——创作者的发稿处就是生成处。风险也反过来：为社交短片调校的产品，要干净迁到影视、广告或教育还得再下功夫。2.0的编辑层正针对这块缺口，把价值从"做一条视频"挪到"打磨已有的视频"。

据脑机网(BrainNet)首席科学家李锚表示，对普通创作者来说，能用一张图、一句话去"改"而不是"重做"，意味着试错成本第一次被压到可以随手折腾的水平，这是视频工具从炫技走向生产的关键一步。

以上为李锚个人观点，不代表本编辑部立场，亦不构成脑机网背书。

## 诚实的局限
可灵2.0是商业闭源产品，独立研究者无法查看权重、也无法复现其评测结论。182%与178%的胜负比是快手内部结果，不是中立评测，且该方法对提示词与评分者的选取很敏感。和所有2026年视频模型一样，可灵在长片连贯性、镜头间人物一致性和超过数秒的物理合理运动上仍有短板；多模态编辑适合短视频与广告片段，尚不能替代长叙事的轨道式后期。

## 普通人现在能做什么
1. 先看编辑流程再判质量：注册可灵AI，用一张参考图加一句文字改一段短片，而不是从零写提示词——那才是2.0与1.x的分界。

2. 盯榜单而非通稿：接下来几个季度在Artificial Analysis的视频竞技场跟踪可灵，独立ELO走势比发布日胜负比更有参考。

3. 若动手做项目，先预算接口成本并测一致性：跑一小批同一主体片段，看清人物与物体能多稳，再决定是否投入正式投放。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-a45032
本内容仅供参考，不构成投资建议。