揭秘“中国版Sora”可灵：程一笑督战，20人团队三个月完成的快手版“大力出奇迹”

823 0 0

文章摘要

2023年10月，快手公司重新启动了名为“噗叽”的项目，这是一个利用AI技术将静态图片转换成2秒GIF表情包的工具。尽管最初并未引起广泛关注，但该项目可视为“可灵”的前身。“可灵”是一款视频生成工具，发布三个月后，申请体验的用户数已超过70万，累计生成视频作品达700万份。

2024年2月，一款名为Sora的视频生成工具的成功，激发了快手视觉算法团队负责人万鹏飞探索DiT（Diffusion Transformer）新型视频生成架构的兴趣。3月初，万鹏飞的想法得到了快手高级副总裁盖坤的支持，随后带领团队开始研发。5月份，尽管尚未确定产品名称和上线时间，但技术团队已经着手打造视频生成模型。

“可灵”的成功归功于一个由20余人组成的小团队，其中大部分核心成员是万鹏飞早年的队友。万鹏飞本人在视觉算法领域有着深厚的背景，发表了多篇论文。2024年6月6日，“可灵”上线当天，团队公开发表了一篇论文，详细介绍了技术细节。7月3日的另一篇论文则展示了如何生成更准确、清晰的长视频。

快手能够快速打造“可灵”的原因有三：一是公司拥有大量干净、整理良好的数据；二是有强大的算法团队；三是拥有足够的计算资源。此外，公司高层对项目给予了全力支持，使得团队能够快速推进研发。

“可灵”的开发遵循“快、糙、猛”的原则，即快速开发、不纠结技术细节、用资金解决问题。团队一周工作六天，享有公司最好的资源。此外，快手与英伟达的深度合作也为项目的快速推进提供了支持。

“可灵”不仅是一个面向C端的创作工具，更是快手集团战略级产品。其目的是服务于快手的内容和电商生态，为AIGC时代的短视频产品形态探索新的可能。上线后，迅速吸引了大量新“AI创作者”，并可能为这些创作者提供流量支持。同时，可灵也在电商领域展现出潜力，帮助解决素材不足的问题。

尽管“可灵”已经取得了初步成功，但随着用户规模的扩大，算力和能源成本的压力也在增加。此外，生成效果的稳定性仍有待提高。尽管如此，“可灵”的推出只是快手技术长跑的开始，未来还有更大的发展空间。