近日，智谱AI正式推出清影2.0版本，这一升级版的AI视频生成工具支持文本生成1080P高清视频，并引入了CogSound音效模型，实现了视听一体的AI创作闭环。清影2.0的发布，标志着AI视频创作进入了一个新的阶段，为创作者提供了更高效、更便捷的创作方式。
（一）清影2.0的技术亮点
清影2.0基于智谱自研的CogVideoX大模型，能够根据文本描述生成最长10秒的1080P高清视频。该模型不仅在视频的运动幅度、镜头语言和风格控制上表现出色，还能实现多种风格的视频生成，如赛博霓虹、国风水墨、胶片复古等。此外，清影2.0的画质与稳定性已接近OpenAI的Sora，且在中文提示词理解上更为准确，生成速度更快。
（二）CogSound音效模型的引入
新版本的最大亮点是引入了CogSound音效模型。该模型能够根据视频内容自动匹配环境音与动作声，实现“视听一体”的效果。这意味着用户在生成视频的同时，还能获得与画面高度匹配的音效，进一步提升了视频的逼真度和实用性。例如，在展示森林景观的视频中，CogSound能够生成鸟鸣和风吹树叶的声音；而在城市街景中，则会生成车流与人群的背景噪音。
（三）应用与推广
清影2.0已嵌入智谱清言App，普通用户可以免费使用这一功能。对于企业用户，智谱还提供了API接口和私有化部署服务，金融、电商、广告、影视等行业可定制专属视频模型。此外，智谱透露，清影上线首月已生成超百万条视频，此次升级将推理成本再降30%，进一步降低了使用门槛。
