近日，快手可灵AI正式面向全球推出“多图参考”模式，该功能能够理解和整合多个图片中的不同主体，根据用户的文字描述，创造性地生成融合视频，进一步攻克了AI视频生成中的一致性难题。

目前，全球用户均可在可灵1.6模型下，使用“多图参考”功能。用户只需选择图生视频，上传1-4张参考图，框选图片中需要使用的人物、动物、物品或场景，并通过“提示词”描述它们之间的变化或互动，可灵AI即可结合所有参考内容并遵从指令生成视频。

用户可以上传一张或多张同一主体（人物、动物、影视角色或物品等）的图片，模型会以这些图片为参考，生成统一风格的视频，帮助用户在制作AI视频时保证多镜头中的主体一致。例如，用户上传猫、夹克、太阳镜三张图片，并输入提示词“一只身穿夹克、戴着太阳镜的拟人化猫在舞台上转身并对着镜头摆姿势，”随后进行生成，就可以得到符合指令的视频。

此外，用户还可以通过参考图来指定场景、服装和动作等，让人物在特定环境中完成特定“演出”，大幅提升创作的可控性。例如，我们分别上传一个老爷爷、一杯咖啡、咖啡馆场景三张参考图片，并输入相应提示词“一个卡通风格的老爷爷在咖啡馆里，端起咖啡杯”来进行生成，便可得到老爷爷坐在咖啡馆里喝咖啡的视频 。

同时，“多图参考”还可以支持不同角色之间的互动。用户可以上传多个人物、动物或者影视角色等图片，并用文字描述他们之间的互动。例如，我们分别上传小男孩、柯基犬两张参考图，并输入提示词“一个可爱的小男孩在抚摸一只柯基犬”，即可生成下图所示的视频。

此前，可灵AI已在全球上线“人脸模型”功能，支持用户通过上传多段视频来训练、定制人脸模型，并参照该人脸模型继续生成视频内容。作为业内首个视频模型定制功能，“人脸模型”创新性地满足了用户创作多个包含同一人物镜头的需求。

随着“多图参考”功能的推出，可灵AI进一步解决了视频生成中的一致性难题，帮助用户充分发挥创造力，自由组合各种图片元素，打造独特的创意场景，探索更多可能。