视频 2.6 功能使用手册
📌
欢迎体验可灵视频 2.6：让我们「听见画面，看见声音」
此前，可灵的视频模型只能生成“无声画面”。创作者还要自己去找配音、拼音效、调节节奏——步骤多、来回反复，最后成片也很难做到真正沉浸。
现在，全新的「视频 2.6 模型」 登场：它可以在一次生成中同时产出画面 + 自然语音 + 匹配音效 + 环境氛围，真正打通“音”“画”两个世界。无论是输入一段文字，还是上传一张图片，都能一键得到完整、有声、有节奏的动态视频，不再需要费力拼接。
与以往“只有画面”的模型相比，视频 2.6 带来了全方位升级：
●不再演“哑剧”，做有声故事：画面、语音、音效一步生成，镜头节奏与声音情绪紧密配合，让内容从“能看”升级为“能看、能听、能沉浸”。
●声音由您掌控，细节说了算：谁来说话、说什么、什么情绪，由您决定；环境音、特效声自由生成，节奏快慢与整体氛围都能精准拿捏，适配不同创作场景。
●新手也能一键成片，创作效率翻倍：不用复杂操作，只要输入文字或图片，系统就会自动补全声画细节，自媒体作者、小团队工作室也能快速产出专业感视频。
一、可灵首个「音画同出」模型正式上线！
在「视频 2.6 模型」中，我们首次推出「音画同出」功能：单次生成即可同步产出视频画面与完整音频，涵盖语音、音效及环境音等内容，在节奏、情绪与叙事表达上实现高度协调，真正达成“所见即所闻”的视听体验。
这次升级，我们重点强化了：
●音画协同：语音节奏、环境音与画面动作紧密呼应，避免“画面一套、声音一套”的割裂感。
●音频质量：支持人声、音效、环境声等多类型声音生成，音质更干净、层次更丰富，更接近真实混音效果。
●语义理解：对多种场景下的文本描述、口语表达和复杂剧情有较强的语义理解能力，能更准确地把握创作者意图，输出更贴合需求的音画内容。
在创作流程上，可灵 2.6 围绕“文字 / 图像快速生成音视频内容”的核心需求，提供两条高效创作路径：