可灵 3.0

是什么

可灵 3.0 是快手推出的一组 AI 模型，用于视频和图像生成。快手将该系列描述为一个 All-in-One 框架，在同一系统中覆盖文本、图像、音频和视频。^[1][2] 系列于 2026 年 2 月 5 日在全球上线，包括四款模型：可灵视频 3.0、可灵视频 3.0 Omni、可灵图像 3.0 和可灵图像 3.0 Omni。^[6]

由来

快手于 2026 年 2 月推出了该系列。^[1] 同期，可灵 AI 披露，截至 2025 年 12 月，其创作者用户超过 6000 万，生成视频超过 6 亿条，企业用户超过 3 万家。^[6]

主要特点

可灵 3.0 可以在一次生成中输出最长 15 秒的视频，并同时生成画面与声音。^[2][3] 与视频 2.6 相比，它增加了多镜头生成，即一次请求可以生成若干个前后相连的镜头。它还改进了角色一致性，并提供带角色级口型同步的原生音频，让每个角色的嘴部动作与其所说的话相对应。^[3] 口型同步是指让嘴型与语音相匹配。

据可灵官方介绍，该模型支持多语言语音和口音，并能呈现可读的画面内文字。^[3] 该系列支持原生 4K 输出。^[4] 「原生」输出指模型直接以该分辨率渲染，而不是事后把较小的画面放大。

在发展中的位置

快手 2026 年第一季度财务业绩显示，可灵的年化收入（ARR）在 2026 年 3 月达到约 5 亿美元。^[2] 快手 2026 年第二季度财务业绩则披露，可灵在 2026 年第一季度的收入超过 6.5 亿元人民币，同比增长超过三倍，第二季度收入达到 8.5 亿元人民币。^[2][4] 2026 年第二季度，可灵 3.0 Turbo 版本上线。^[4] 该系列于 2026 年 10 月由可灵 4.0 接替。^[5]

名词说明

模型系列指一组同时发布的相关模型，通常针对不同任务提供不同的变体。该系列既包括视频模型，也包括图像模型；其成员的名称，例如 Omni 和 Turbo，表明的是系列内部的不同版本。

原生输出指模型直接以某一分辨率渲染画面，而不是先生成较小的画面、再事后放大。放大后的画面通常比原尺寸渲染的画面更模糊，因此在专业用途中这一区别很重要。

多镜头生成对讲故事很重要。一个场景通常由若干不同景别的镜头构成，在一次请求中生成这些镜头，有助于让人物与场景在剪切之间保持一致。角色级口型同步指每个角色的嘴部动作都与该角色自己的语音对应，在一个场景中有多人出现时，这一要求更高。