可灵 v1.6 & v1.5 深入对比

可灵v1.6在图生视频任务中显著优化:人物与背景变形大幅减少,原始图像风格保留更完整;动作更自然、镜头切换更合理;对提示词遵循度更高,幻觉与冗余细节(如无指令的飘动、走动)明显降低;复杂场景如汽车运动的环境适配与结尾处理也更精准。

发布于2024年12月19日 05:31
编辑零重力瓦力
评论0
阅读43

可灵发布了新的 v1.6 模型,AIGC 创意达人 TechHalla 对 v1.6 和 v1.5 进行了八组深入对比,详细解析新版模型的改进之处,帮助大家全面了解升级细节。

第一组对比

v1.6 在大多数片段中几乎都没有变形现象,这是非常直观的改进

第二组对比

v1.6 场景中背景角色的动作更加自然,同样几乎没有变形或奇怪的故障现象。

第三组对比

当前大多数模型在使用图生视频时存在的一个大问题是,它们往往会变得过于HDR,失去了原始图像的风格。 而 v1.6 能够较好的保留参考图片的原始风格。

第四组对比

在 v1.6 中,画面主体的动作更加自然,镜头的切换也更流畅,并且能更好地遵循了提示要求。而 v1.5 会略有丢失原图像的风格。

第五组对比

视频生成提示词:一只加菲猫在空中,玻璃缓缓飞过的慢动作场景。v1.5 并没有完全遵照提示词,v1.6 更符合提示词,并减少了 AI 产生的幻觉。

第六组对比

比较主观的感觉是 v1.6 的动作更加流畅自然。 此外,在这个例子中,提示词并没有要求头发随风摆动,但 v.15 却擅自加上了。(其实任何 AI 都会加入一些额外的细节)

第七组对比

提示词中没有要求鹿走动,v1.5 增加了鹿的走动效果,而 v1.6 增加了一只额外的松鼠。

第八组对比

汽车场景得到了改进,更好地适应了环境和路径。 v1.5 增加了一个提示词中没有的漂移动作,而且相比 v1.6,视频的结尾不够流畅。

总结

和 v1.5 相比,v1.6 的视频更加自然流畅,更加遵循提示词的要求!

相关文章

一段代码让网站出海,这个 AI 翻译工具把多语言 SEO 玩明白了
AI 产品工具
2026年6月1日
0 条评论
小创

一段代码让网站出海,这个 AI 翻译工具把多语言 SEO 玩明白了

跨境电商网站常因语言壁垒导致高跳出率。Weglot 是一款 AI 翻译工具,仅需几分钟即可通过添加脚本实现网站多语言本地化,且保持原有排版。该工具支持可视化编辑、术语表锁定及团队协作,便于后续维护。同时,它能自动优化 hreflang 标签、独立 URL 及元数据,解决多语言 SEO 难题。借助母语内容布局小语种市场,企业可以低成本获取流量红利,有效提升海外转化率。

阅读全文
SCOPE 给 AI 绘画装上了 “语义追踪器”,复杂提示词终于不用反复抽卡了
AI 产品工具
2026年6月1日
0 条评论
零重力瓦力

SCOPE 给 AI 绘画装上了 “语义追踪器”,复杂提示词终于不用反复抽卡了

中科大团队发布 SCOPE 框架,通过结构化语义规格解决 AI 绘画中复杂提示词语义丢失问题。该系统将提示词拆解为实体、约束及未知项,构建包含分解、合成、生成、验证的四步循环,并辅以检索、推理和修复技能,实现生成过程全程可追溯与精准修复。团队还推出 Gen-Arena 评测基准及 EGIP 指标。实验显示 SCOPE 在多项基准中表现优异,为多元素控制场景提供了工程化解决方案,代码已开源。

#AI 绘画
阅读全文
Stable Audio 3.0 发布:开源音频生成从 11 秒走到 6 分钟
AI 产品工具
2026年5月28日
0 条评论
零重力瓦力

Stable Audio 3.0 发布:开源音频生成从 11 秒走到 6 分钟

Stability AI 发布开源音频模型 Stable Audio 3.0,最长可生成 6 分 20 秒立体声音频。该模型采用 SAME 架构实现 4096 倍压缩,支持变量长度生成与局部编辑,Small 版本可在移动端离线运行。训练数据均获授权,规避版权风险。提供四个变体及 LoRA 微调文档,社区许可允许商用。此次升级标志着开源音频生成从短音效迈向完整歌曲创作,为开发者提供了本地化、合规的高质量音频生成方案。

#开源模型#AI 音乐
阅读全文
互动讨论

评论区

围绕《可灵 v1.6 & v1.5 深入对比》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。