近日，快手可靈AI正式面向全球推出“多圖參考”模式，該功能能夠理解和整合多個圖片中的不同主體，根據(jù)用戶的文字描述，創(chuàng)造性地生成融合視頻，進一步攻克了AI視頻生成中的一致性難題。

目前，全球用戶均可在可靈1.6模型下，使用“多圖參考”功能。用戶只需選擇圖生視頻，上傳1-4張參考圖，框選圖片中需要使用的人物、動物、物品或場景，并通過“提示詞”描述它們之間的變化或互動，可靈AI即可結合所有參考內容并遵從指令生成視頻。

用戶可以上傳一張或多張同一主體（人物、動物、影視角色或物品等）的圖片，模型會以這些圖片為參考，生成統(tǒng)一風格的視頻，幫助用戶在制作AI視頻時保證多鏡頭中的主體一致。例如，用戶上傳貓、夾克、太陽鏡三張圖片，并輸入提示詞“一只身穿夾克、戴著太陽鏡的擬人化貓在舞臺上轉身并對著鏡頭擺姿勢，”隨后進行生成，就可以得到符合指令的視頻。

此外，用戶還可以通過參考圖來指定場景、服裝和動作等，讓人物在特定環(huán)境中完成特定“演出”，大幅提升創(chuàng)作的可控性。例如，我們分別上傳一個老爺爺、一杯咖啡、咖啡館場景三張參考圖片，并輸入相應提示詞“一個卡通風格的老爺爺在咖啡館里，端起咖啡杯”來進行生成，便可得到老爺爺坐在咖啡館里喝咖啡的視頻 。

同時，“多圖參考”還可以支持不同角色之間的互動。用戶可以上傳多個人物、動物或者影視角色等圖片，并用文字描述他們之間的互動。例如，我們分別上傳小男孩、柯基犬兩張參考圖，并輸入提示詞“一個可愛的小男孩在撫摸一只柯基犬”，即可生成下圖所示的視頻。

此前，可靈AI已在全球上線“人臉模型”功能，支持用戶通過上傳多段視頻來訓練、定制人臉模型，并參照該人臉模型繼續(xù)生成視頻內容。作為業(yè)內首個視頻模型定制功能，“人臉模型”創(chuàng)新性地滿足了用戶創(chuàng)作多個包含同一人物鏡頭的需求。

隨著“多圖參考”功能的推出，可靈AI進一步解決了視頻生成中的一致性難題，幫助用戶充分發(fā)揮創(chuàng)造力，自由組合各種圖片元素，打造獨特的創(chuàng)意場景，探索更多可能。