生成

所谓「声画同出」，指的是模型能一次性生成音效、口型、音乐与画面高度同步的完整段落，声音能随剧情节奏起伏，这意味着模型需要理解「叙事」，甚至达到「开箱即用」的水准。

而即梦一季度月活则达到1352.5万，下载量558.9万，稳居视频生成赛道首位。

在AI视频领域，未来的创作流程可能不再是人类直接操作视频生成模型，而是由Agent调用一系列专业Skill来完成——从脚本生成、分镜设计、视频生成到后期剪辑，每个环节都可以封装为可被Agent调用的标准化能力。

编剧杨选认为可灵3.0的多主体参考和音画同出功能，来高效生成完整的剧情片段，可以大幅简化从分镜到成片的工作流。