智能科技前沿动态
执笔：杨文
快手智能技术持续创新。
近期，快手在人工智能领域频频发力，成为行业焦点。
在 OpenAI 的 Sora 模型尚未正式上线之际，快手已率先推出具备卓越视觉效果的 AI 工具「灵」。凭借其高度逼真、分辨率高且不逊于 Sora 的表现，迅速吸引了全球用户的目光。
根据快手官方数据，灵的注册用户数量已接近 70 万，目前已有超过 30 万用户获得使用权限。
趁着热度持续升温，快手迅速推出了灵的网页版版本。
用户们正利用它进行各种创意创作 ——
将蒙娜丽莎画上墨镜：
模仿容嬷嬷喂紫薇吃鸡腿的场景：
创作一只端着高脚杯、兰花指喝红酒的大胖橘形象：
甚至为肯德基打造了一波创意广告。
然而，今天我们将不讨论灵，而是聚焦快手的另一款明星产品 —— 图灵。
在刚刚落幕的 2024 世界人工智能大会上，快手宣布其自主研发的文生图大模型图灵正式向公众开放。
目前，图灵已在 Huggingface 平台和 GitHub 上架，包括模型参数和完整代码，供个人开发者免费使用。
官方网址：https://kwai-kolors.github.io/
GitHub 项目链接：https://github.com/Kwai-Kolors/Kolors
Huggingface 模型链接：https://huggingface.co/Kwai-Kolors/Kolors
技术文档链接：https://github.com/Kwai-Kolors/Kolors/blob/master/imgs/Kolors_paper.pdf
对于非技术背景的用户，若想体验图灵功能，可以直接访问可灵网页版，使用「AI 图像」模块。
可灵网页版：https://klingai.kuaishou.com/
-1-
深度评测：支持中英文书写，还能一键生成动态影像
尽管大型语言模型已展现出强大的语言处理能力，但此前在图像生成方面仍存在不足，无论是汉字还是英文，AI 生成的文本往往难以辨认。
例如，生成的文本可能像这样：
或者这样：
然而，图灵大模型不仅能够生成细节丰富的图像，实现多种风格转换，其最突出的优势在于 ——
具备书写能力！
根据快手介绍，图灵支持中英文双语生成，效果媲美 Midjourney-v6 水平，且能够准确书写中英文。
其中，为了提升对中文的理解能力，快手通过数十亿中文语料的训练，构建了高效的中文 CLIP 模型。
使用方法十分简单。
访问可灵网页版，进入操作界面后，选择「AI 图片」，用户只需输入描述性文本、调整图像比例或上传参考图像。图灵支持长达 256 个字符的文本输入。
文生图功能
例如，输入以下提示词：复古摄影风格的人像，80 年代音乐录影带的视觉效果，多巴胺色调的装饰，背景为复古电视机，屏幕上显示中文“智能科技”，一把系着粉色蝴蝶结的叉子，一个草莓蛋糕，电视广告，80 年代流行文化元素，柔和光线。
提示词：一只可爱的蜥蜴，穿着环卫工的工作服，一只手拿着拖把，另一只手提着水桶。角色扮演游戏场景，色彩鲜艳，对比强烈，带有印刷纹理。特写摄影，富有表现力的姿势，柔和的彩色背景。
图生图功能
图灵还提供图生图功能，用户可直接上传参考图像，并输入描述性文本。
最终生成的效果如下：
依托于可灵网页版，图灵还能将生成的图像作为新参考进行图生图操作。
例如，输入提示词：毛毡艺术作品，高清画质，毛毡材质质感，高级滤镜效果，可爱风格，卡通形象，羊毛毡玩偶，名画风格，梵高的自画像。
十几秒内即可获得以下成果：
接着在生成的图像中点击「垫图」，即可使用参考图功能。继续输入提示词：小羊抱着玫瑰花束，设置好参数后，即可生成新图像。
效果如下：
图生视频功能
图生视频功能的使用逻辑相同。
输入提示词：故宫猫咪武术家，几只故宫猫咪身着白色、红色、黄色的练功服，正在表演武术，美学造型，完美光影效果。
在生成的图像中点击「生成视频」，即可进入图生视频界面。
输入提示词、负向提示词并设置参数，稍作等待即可获得结果。
以下是生成视频的效果展示：
视频链接：https://mp.weixin.qq.com/s/6RapxTDfCfouZsN7v3MYog
-2-
快手图灵与 Ideogram 对比：谁更胜一筹？
国外也有一款擅长生成带文字的 AI 图像应用 ——Ideogram。
该应用被誉为 Midjourney 和 Stable Diffusion 的有力竞争者，由前 Google 工程师创立，并获得硅谷 AI 巨头的投资，于去年 8 月推出，2 月底发布了最新版本。
Ideogram 链接：
https://ideogram.ai/t/explore
发布之初，该应用的核心卖点就是「能够生成各种字体」，这与图灵的特点高度契合。
值得注意的是，无论是快手图灵还是 Ideogram，若要在图像中添加自定义文本，都需要在提示词中添加特定的指令。
快手图灵指令：写着中文「xxxx」。
Ideogram 指令：With the text 「xxxx」，选择「typography（排版）」风格。
通过这种方式，用户可以生成包含特定文字的图像。
接下来，我们将两款产品进行对比测试。
Round 1：书写能力
【写中文】提示词：一只卡通小狗，身上挂着写着“可爱”的木牌。
快手图灵：
Ideogram：
【写英文】提示词：一个生日蛋糕，上面插着蜡烛，写着“Happy Birthday”。
快手图灵：
Ideogram：
Round 2：多样风格
提示词：摄影人像，写真，东方面孔的羊毛卷长发美女，穿着复古服装，头发上点缀鲜花，高级滤镜，复古风格，蓝色背景。
快手图灵：
Ideogram：
提示词：卡通插画，咖啡店内，东方面孔的女孩坐在窗边写作，桌上摆放咖啡、书本和花朵，c4d，oc 渲染，逼真细节，超高清，8k，完美构图，电影灯光，浪漫温馨的画面，甜美风格。
快手图灵：
Ideogram：
提示词：纯黄色背景上排列着夏堇和绿叶，菲尔・科赫风格，水滴效果，浪漫场景，颗粒感，重复构图。
快手图灵：
Ideogram：
经过多次测试，我们发现快手图灵和 Ideogram 各有优劣。
快手图灵在中文生成方面表现出色，基本解决了「鬼画符」的问题，英文生成能力也较强，但有时会出现错字；而 Ideogram 仅支持英文，对中文完全无法处理。
从生成风格来看，Ideogram 提供 18 种风格供用户选择，而快手图灵则需根据提示词中的风格生成。
不过，快手图灵作为国产 AI 绘图模型，在逼真度上更具优势，尤其是在人物特写方面，Ideogram 生成的东方女性形象往往带有外国人的特征，不够自然。
此外，二者的生成速度相近，均在 10 多秒内完成。快手图灵允许用户调整每次生成的图片数量（最多 9 张），而 Ideogram 每次固定生成 4 张。
最关键的一点是，目前快手图灵完全免费使用，而 Ideogram 每日仅有 10 次免费生成机会。
-3-
快手 AI 的崛起之路
近期，快手在人工智能领域投入巨大，专注于开发大型模型和 AI 应用。
尽管此前未引起广泛关注，但一出手就惊艳了行业。
先是推出对标 Sora 的 AI 视频生成应用灵，迅速获得市场认可，接着 AI 生图模型图灵广受好评，最近开源的 LivePortrait 模型也备受瞩目。
实际上，快手的 AI 战略远不止于此。
例如，在 AI 厂商掀起百模大战时，快手推出了自家的快意大模型；Suno 领导的 AI 音乐生成应用风靡一时，快手也加码其 K 歌 APP 回森，推出 AI 美音功能。
此外，还有 AI 剪辑应用快剪、AI 特效创作产品必扬、AI 社交应用快崽，以及嵌入快手短视频 APP 中的 AI 玩评功能等。
不得不承认，曾经以「土味」著称的快手，在 AI 技术的加持下，正逐渐向高端化转型。
然而，在 AI 领域日新月异的迭代速度下，快手的 AI 之路仍需持续努力……