梦瑶 发自 凹非寺
量子位 | 公众号 QbitAI
ChatGPT发布三周年，OpenAI没发布，各大AI玩家倒纷纷整出大活。
这不，视频生成领域，快手放话可灵要“一周连续上新”，而Day 1第一更，就甩出了可灵AI视频「O1模型」，“全球首个统一多模态视频模型”。
把视频修改、镜头延展、多主体参考这些过去要在好几个模型间倒腾的活，全塞进了一个统一模型里，深层语义理解直接“一把梭”的那种。
emm…怎么说呢？感觉是把NanoBanana的那些玩法做成了AI视频！
先来看这个，我随手把一张“兵马俑＋粉饼”的照片扔给O1，结果它直接roll出一段“兵马俑补妆被领导抓现行”的视频：
咱再来玩点有意思的，自从“威尔·史密斯吃意面”实测横空出世后，AI视频模型界就有了个潜在“行规”：
来了先吃碗面。
这回我也让可灵O1上桌来一口——大口吃面+直视镜头，结果人物面部和周围场景都稳得住，小帅吃的那叫一个香啊：
整体实测下来，最直观的感受是：O1多主体元素的镜头切换里确实能稳住一致性，局部编辑也很自然，日常修瑕疵完全够用，还能生成10s长视频，对长视频创作者非常友好。
（前提是要氪金）
更多实测效果，我也先测为敬，你们要有更多奇思妙想，也欢迎评论区开麦～～～
可灵AI视频「O1模型」一手实测
咱先来看页面有啥变化，可灵给O1模型搞了个单独的界面，在这里我们可以直接上传不同的主体/图片/视频。
界面顶部有四个快捷功能，点哪用哪，先选功能再生成，AI会更有针对性，生成效果更稳～
我也简单给大家捋一下这次AI视频O1模型的几个核心亮点：
1.全能指令：照片、视频、文字都能当指令，一句话调度多模态素材。
2.全能参考：镜头无论怎么转，主体都能稳住一致性，支持多个角色自由组合。
3.超多创意：支持组合不同技能，一次生成多种创意变化，并且支持3-10秒自由生成时长。
少说多测，我们就从多图参考、局部编辑、镜头延展三路开打，看看这O1模型能不能把全能指令梭到底！
多图参考生成
多图参考生成能力真正的难点从来不是“把人堆进画面”，而是镜头能不能连贯，主体能不能稳住一致性，这俩要是崩了，整个画面真的会立马垮掉…（sad）
前阵子的卢浮宫偷窃案想必大家都刷到了，咱不妨整点剧情化玩法，拍一出逃离大戏：让蒙娜丽莎听到风声，拔腿开跑！
我把包括蒙娜丽莎、卢浮宫走廊、卢浮宫大厅、门口保安四个主题元素喂给了O1模型，并给予了AI一段剧情提示词：
从下面的效果来看，蒙娜丽莎的“逃跑”动作整体确实对上了指令逻辑，从画框到走廊再到大厅的转场自然顺滑，镜头跟踪也跟得很稳：
但还是暴露了一个小问题，AI对动词类指令的理解还没到位，比如“蹑手蹑脚”“捉到”这类更细的动作没有表现出来……不过整体观感还行吧～
再玩点有意思的：我把老黄、小扎、老马三位硅谷大佬的形象丢给O1，希望他仨在东北农村来一场“意外偶遇”：
emm…这效果，属实震撼。
老黄到了东北还死攥着自家显卡不撒手，像是大清早坐高铁来村口找小扎谈合作的？？？
从生成效果来看，AI可能把人物搞混了，提示词是“小扎和老马偶遇老黄”，结果画面演成了“小扎和老马四目相对”，老黄被默默丢在后景当NPC…
此外背景环境要是能更入乡随俗一点就更完美了，现在这味儿还不太东北，看来O1模型对老铁大本营数据和文化，学得还不够深啊，得好好补补。
但不得不说，这种“错位偶遇”，还挺有喜感的？？？
局部编辑能力
再来试试第二part——视频局部编辑。
在O1模型里，我们可以对视频的局部元素随意“动刀”：替换、删除、增加统统OK，感觉就是把PS的局部功能整个搬进了视频模型里。
我先丢给O1的，是一段超酷的摩登女孩在纽约街头遛狗狗的视频：
都2025了，溜狗有点没意思，于是我让O1把视频中的狗狗“摇身一变”成了赛博「四足机器狗」，这溜在街上多飒啊！
局部替换处理的确实不错，哪怕两个主体都处于移动状态，依旧保证了画面元素没崩。
看够了真实世界，咱再换个画风，这次我丢给O1的是一段像素风的外滩夜景视频，游客们在那儿咔擦咔擦给东方明珠拍照：
心里有个鬼点子，既然在东方明珠下面喝蜜雪冰城会触发防御塔攻击，那我索性直接把东方明珠变成雪王！！！
太对味儿了！一点违和感都没有，O1模型在局部处理这块确实很能打，感觉AI视频现在是真的能当PS来用了。
想怎么P，就怎么P～
咦，那为啥不直接出个图片版呢？（文末有答案）
镜头延展/动作跟踪能力
按官方说法，除了多元素参考和局部编辑，O1模型这次还主推镜头延展与真人动作捕捉。
那咱先来测测动作捕捉能力到底咋样～
这两天《疯狂动物城2》是真的火，一首《ZOO》不仅在电影里狂燃，还一路火到短视频平台，各路博主扎堆跳舞cover。
那就顺势来点离谱的，请出前阵子被全网封神的“顶流魔性企鹅”，让它根据网友的舞蹈动作，copy同款潮舞！
瞧这小舞步小姿势，不敢说一模一样，但是确实每个动作都卡在点上了，几乎也算是1:1还原，动作捕捉成功！
咱们再来试试O1模型的镜头延展能力。
这回我喂给AI一段电影感的5s视频，让AI根据提示词帮我补齐后面的剧情内容，这是原视频：
我给AI的提示词是这样子的——
基于该视频生成下一个镜头：突然，一只手落在男人的肩上，视频里的男人一回头，发现是自己的特工搭档，搭档立刻捂住他的嘴让他别出声，两人神情紧绷地扫视四周。
值得表扬的是，人物一致性保持的还不错，但是“落在肩上”和“回头”的动作被AI吞了，只保留了捂嘴的动作，看来这O1有点自己的想法？？
来试点更有意思的玩法
除了咱们刚才测的这几个维度，还有很多有意思的玩可以在O1上实现。
比如这个OOTD换装玩法，当时NanoBanana一上线就掀起一波“万能换装”热潮，现在在O1模型里更简单了，把想搭配的服装、配饰元素往里一拽：
然后立刻就能roll出“动态版QQ秀”，看来买衣服真不能只看平面图，还是得找个专业的模特上身试一下才有效果！
再来玩点网上很火的特效玩法， 这次我喂给O1的是一张印着干裂土地的明信片，指令是：让它“长出枝芽”，顺便来个3D立体效果。
一把复古金属浇水壶从画面右上角伸入，壶口倾斜，将水壶里的水流浇湿到明信片的土地上，照片里干裂的土地迅速变湿，颜色加深，湿润的土地从裂缝中冒出嫩绿春笋破土而出，迅速生长拔高，从明信片中长出来，3D效果。
效果确实很逼真，最主要的是“破土而生”的瞬间很自然，立体感甚至有点像会呼吸的纸面浮雕。
还是一张普通明信片，我们再来试试最近很火的3D丹顶鹤的玩法。
一只手抚摸明信片中的丹顶鹤，丹顶鹤振翅高飞，水面泛起涟漪，飞出画面。
其实这个视频里真正的难点，不是丹顶鹤“跳出明信片”本身，而是它飞出画框、落到水面、激起涟漪这一连串动作里，周围环境元素能不能保持一致性、不穿帮。
这一点上O1做得确实挺到位，转场自然、光影也没有乱。
整体来看，可灵O1不管是视频局部编辑、多元素生成，还是各种特效玩法，表现都算稳，以前要在好几个视频工具之间来回倒腾，现在基本能在一个模型里一站式搞定，方便又高效。
不愧是AI生成视频领域当前的扛把子选手啊。
One More Thing
最后，说一下AI生成视频替代P图的问题——为啥不直接出个图片编辑呢？
这不，实测玩耍可灵视频一整天的我，发现Day 2的上新已经发布了。
昨天是「AI视频」O1模型，今天可灵还发布了「图片」O1模型，即日起即可使用。
据官方介绍，在图片生成上O1模型在高度一致性、细节处理、风格复刻、创意融合等方面表现都不错。
不仅能生成多人自拍合照、室内场景图，还能修改主体元素等等：
不说了，我要拿这个小红书起号去了（手动狗头）～
给看到这里的读者老爷们笔芯，点个赞再走吧…
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
🔊 不到2周，量子位MEET2026智能未来大会就要来了！
张亚勤、孙茂松等AI行业重磅嘉宾，以及百度、高通、亚马逊等头部AI企业已确认出席，RockAI、太初元碁、自变量、小宿科技等业内新秀也将参与分享，还有更多嘉宾即将揭晓 👉 了解详情
📍 12月10日
📍 北京金茂万丽酒店
一键报名线下参会，期待与你共论AI行业破局之道 
🌟 点亮星标 🌟
扫一扫
1
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
