AI 新聞
多模態 AI 突破:一句提示生成多種媒體
新一代多模態模型能把單一創意意圖貫穿文字、圖像與影片,角色與風格保持一致。
CinderHub 編輯部1 分鐘閱讀
最大的近期轉變是統一的跨模態脈絡:模型現在可以讀取參考圖、記住角色的臉孔與打光,並在生成下一個鏡頭或影片片段時重用。這解決了以往每次輸出都像不同人的老問題。
原生影片推理是第二個躍進。Veo 級與 Kling 級的系統現已能處理鏡頭運動、物理與數秒連貫性,讓分鏡可直接變成動態畫面,毋須逐格修補;同步音訊與對嘴也在同一次生成中完成。
在 CinderHub,你可以把這些串成單一工作流程——先寫腳本、用圖像鎖定角色,再延伸成分鏡與影片。實際好處是工具更少、脈絡共享,而且成品從第一格到最後一格都維持品牌一致。
- multimodal AI
- 跨模態
- text-to-video
- 角色一致性
- AI storyboard
- 生成式影片
想試吓 CinderHub?
免費開始