6月27日，可靈AI宣布全系列視頻模型上線“視頻音效”功能，用戶在使用可靈AI進行視頻創(chuàng)作時，不僅能獲得高質量的視頻畫面，更能體驗到與視頻精準匹配、富有空間感的立體聲音效，真正實現(xiàn)“所見即所聽”的沉浸式體驗。目前，該功能已無縫集成至文生視頻、圖生視頻、多模態(tài)編輯等多種創(chuàng)作模式中，并限時免費開放。

與此同時，平臺原有的“音效生成”也進一步升級，新增“視頻生音效”功能。用戶現(xiàn)在不僅可以通過文本生成音效，更可以直接上傳本地視頻，或選用在可靈平臺創(chuàng)作的歷史視頻，一鍵為無聲的畫面匹配上語義契合、節(jié)奏同步的音效，自動適配動作、環(huán)境、氛圍等多種場景，極大地提升了視頻內容的表現(xiàn)力和沉浸感，有效降低了創(chuàng)作者在音頻后期制作上的時間與技術成本。

從實際效果來看，可靈AI的音效功能在多個典型案例中展現(xiàn)了極高的音畫同步精度和極佳的空間聽感。例如，在生成“嬰兒在活潑地笑”的視頻片段中，模型不僅還原了嬰兒清亮的笑聲，甚至連嬰兒笑容間隙短促的吸氣聲都完美捕捉，與畫面中肉嘟嘟臉頰的起伏動作精準匹配，其富有空間感的立體聲效果，讓整個畫面的溫馨感與生命力撲面而來。

在另一段山體滑坡導致巨石砸中汽車的視頻中，系統(tǒng)自動生成了金屬扭曲斷裂聲、石塊飛濺與塵土揚起的細節(jié)音效，聲音定位清晰、動態(tài)層次豐富，提升了整體災難場景的視覺沖擊力與沉浸感。

據(jù)悉，上述功能的實現(xiàn)，依托于可靈AI自主研發(fā)的多模態(tài)視頻生音效模型——Kling-Foley。Kling-Foley 支持基于視頻內容與可選文本提示自動生成與視頻畫面語義相關、時間同步的高質量立體聲音頻，涵蓋音效、背景音樂等多種類型聲音內容。它支持生成任意時長的音頻內容，還具備立體聲渲染的能力，支持空間定向的聲源建模和渲染。

今年3月，可靈AI首次推出AI音效功能，用戶可通過輸入文本生成相應的環(huán)境音或動作音，并可進一步結合平臺生成的視頻進行語義理解與自動匹配。隨后，在可靈2.1模型中正式加入了視頻音效功能，在生成視頻的同時，系統(tǒng)也會自動生成與之匹配的音效，增強了整體視聽體驗。隨著視頻音效生成技術的成熟落地，將進一步釋放可靈AI在廣告創(chuàng)意、影視、短視頻、游戲等內容等領域的發(fā)展?jié)摿Α?/p>