Kling 2.6：語音克隆與動作控制重新定義AI影片創作

快手於12月3日發布了Kling Video 2.6,這絕非一次普通的版本迭代。本次更新從根本上改變了我們對AI影片創作的認知,因為它引入了業界多年來一直追求的技術：同步音訊影像生成。

單次生成的革命性突破

讓我們先回顧傳統的AI影片工作流程：先生成無聲影片,然後費力地單獨添加音訊。期望口型同步不要太突兀,祈禱音效能與畫面動作匹配。這個過程繁瑣、耗時,而且經常產生那種我們不得不忍受的「音畫不同步」的違和感。

Kling 2.6徹底顛覆了這一工作流程。

該模型支援多種音訊類型：

從語音對話到旁白敘述,從歌唱饒舌到環境音效,Kling 2.6可以生成單一或組合的音訊類型。角色可以一邊說話,一邊聽到背景中的鳥鳴和鵝卵石上的腳步回聲,所有這些都在一次生成中完成。

語音克隆：您的聲音,他們的口型

自訂語音訓練功能是本次更新的核心亮點。上傳您的語音樣本,訓練模型,您的AI生成角色就能以您的聲音特徵說話。

實際應用場景令人著迷。想像一位影片部落客製作動畫講解影片,他的卡通形象能夠用他本人的聲音自然地說話。或者一位遊戲開發者在早期迭代中無需聘請配音員,就能快速製作角色對話原型。「創意構思」與「內容落地」之間的鴻溝正在縮小。

目前,該系統支援中文和英文語音生成。隨著技術的成熟,預計將支援更多語言。

動作控制邁向專業級水準

Kling 2.6不僅改進了音訊功能,在動作捕捉方面也有了顯著提升。更新後的動作系統解決了AI影片中兩個長期存在的問題：

您可以上傳3至30秒的動作參考影片,創建延長的序列,同時透過文字提示調整場景細節。拍攝您自己的舞蹈,上傳參考影片,就能生成一個AI角色在完全不同的環境中表演相同動作。

競爭格局

Kling 2.6面臨激烈的競爭。Google Veo 3、OpenAI Sora 2和Runway Gen-4.5現在都提供原生音訊生成功能。但快手有一個秘密武器：快手App。

快手在規模上堪比TikTok,為快手公司提供了海量的訓練資料優勢。數十億則帶有同步音訊的短影片,賦予了模型競爭對手難以複製的資源：真實世界中人類如何在創意內容中結合語音、音樂和動作的實例。

對創作者的意義

同步生成方式不僅在技術上令人印象深刻,更是工作流程的革命。請考慮節省的時間：

對於需要大量生產短影片內容的創作者來說,這種效率提升的累積效應是巨大的。原本需要一小時的工作,現在只需幾分鐘。

現存局限

沒有任何技術是完美的。十秒片段仍然是時長上限。複雜的舞蹈動作有時會產生不自然的效果。語音克隆需要高品質的樣本,否則會出現機器人般的瑕疵。

還有一個更深層的問題值得思考：當AI可以克隆您的聲音並複製您的動作時,在創作過程中還有什麼是獨屬於「您」的？

展望未來

Kling 2.6展示了AI影片的發展方向：整合式多模態生成,將影片、音訊和動作融合成統一的創意媒介。問題不在於這項技術是否會成為產業標準,而在於競爭對手多快能夠達到同等水準。

對於願意嘗試的創作者來說,現在正是探索的最佳時機。工具觸手可及,價格合理,創意可能性真正令人耳目一新。但請記住：強大的生成能力意味著更大的責任。

Kling 2.6可透過快手平台及第三方服務商取得,包括Fal.ai、Artlist和Media.io。API接取費用約為每秒生成影片$0.07起。