百度商业视频生成模型MuseSteamer来了:音画一步到位,出厂自带bgm!
2025-07-03 19:48:56爱云资讯1514
在7月2日举办的百度AI DAY开放日上,百度商业研发团队正式推出自研视频生成模型MuseSteamer。该模型通过突破性技术创新,为全球视频创作者带来高效、专业的智能化解决方案。据了解,MuseSteamer提供了Turbo版、Lite版、Pro版及全系列有声版模型矩阵,通过差异化设计满足各类用户不同创作需求。
“所思即所得”,重新定义叙事艺术边界
百度商业体系商业研发总经理刘林在会上详细介绍了MuseSteamer的核心突破。他指出,指令理解与遵循是多模态大模型最基础也是最有挑战的素质,MuseSteamer具备极致遵循力,可以真正帮助创作者实现“所思即所得”的创作自由。
在MuseSteamer生成的古装武侠视频中,一位头戴斗笠、身着青衫的侠客正与巨型怪物展开惊心动魄的搏斗。该技术通过多模态大模型实现高度逼真的动态内容创作:斗笠下,侠客眉头紧锁,目光锐利,即使在特写镜头和复杂光影条件下,面部微表情依然自然生动。同时,视频还展现了MuseSteamer强大的运镜能力:以俯拍镜头展现庞大怪物的压迫感,随即切换到侠客第一视角的仰拍,最后以环绕运镜呈现双方交锋的精彩瞬间。这些专业级镜头语言的自动化实现,让普通用户也能轻松获得电影级的叙事张力。
从完整视频可以看出,MuseSteamer能够以导演拍摄的角度,对视频基本剧情、画面形成判断,从侠客拔剑的起手式,到怪物咆哮时震落的碎石特效,不仅每个动作都严格遵循武侠风格的打斗轨迹,更通过快慢镜头的交替运用,将这场生死对决的紧张氛围渲染得淋漓尽致,展现出AI视频生成在专业影视创作中的巨大潜力。
刘林指出,在AI内容创作领域,视频时长与画质的突破往往意味着创作自由度的质变。以MuseSteamer生成的短片《她总在三点一刻出现》为例,该技术通过10秒超长镜头和1080P高清画质,实现了电影级的艺术表现力。
视频以极具张力的镜头语言展开:固定机位首先捕捉男主角在街头徘徊张望的身影,随后镜头自然转向女主角,细腻呈现她喝咖啡的动作,蒸汽氤氲中睫毛的颤动,完整记录“她总点一样的咖啡”的细节。整个过程中,王家卫式的色彩美学贯穿始终,暗红色调与冷色阴影形成鲜明对比。而1080P的高清画质则刻画出从咖啡热气到衣物褶皱的每一个细节,将专业运镜、光影控制和叙事张力完美融合,为创作者提供了更广阔的表达空间。
与市场上多数需要后期配音的解决方案不同,MuseSteamer能够同步生成画面、音效和人物台词,实现声音与画面的自然生成,显著提升了视频作品的完整性和艺术表现力,是全球首个实现中文音视频一体化生成的视频模型。
以一段沙漠越野主题的短片为例,系统不仅能呈现越野车在沙漠中疾速漂移的画面,更能智能生成与之相匹配的立体声效:发动机低沉的轰鸣声随着飞扬的沙尘变化而起伏,轮胎与沙地摩擦的声响随转弯的角度而变化,极致遵循物理运动规律。声音元素与画面动作相得益彰,为创作者带来真正“所见即所感”的音视频一体化体验。
数据、算法、审美多重突破,持续霸榜 VBench-I2V图生视频榜首
在技术层面,MuseSteamer的亮点表现源于百度在数据、算法、审美等方面的深耕。刘林介绍,该模型构建了亿级规模中文多模态数据库,通过“筛选-净化-配比”三级优化体系,实现业界领先的文本指令与视觉元素的语义对齐精度。在算法架构上,MuseSteamer采用精细化结构设计,支持中文文本、参考图像等多模态条件输入,确保对画面细节、主体运动轨迹等要素的遵循。此外,模型可生成分辨率高达1080P高清视频,呈现出电影级流畅转场与逼真的物理运动规律。
在音画呈现上,MuseSteamer构建了一套完整的有声视频生成能力,围绕“谁在说、怎么说、在什么环境下说”三个关键问题,通过多人自动化对齐编排、音视对齐Refiner,实现视觉信息、高还原度的人声与环境音自动生成能力。这些技术创新共同构成了MuseSteamer的核心竞争力。在海外权威视频生成评测榜单 VBench Leaderboard图生视频榜单中,MuseSteamer视频生成模型以总分89.38%的成绩,登上VBench-I2V图生视频全球榜首。
伴随MuseSteamer的发布,全新AI视频创作平台——“绘想”也同步上线,为创作者提供全新视频生成体验。即日起,用户可通过PC端搜索“MuseSteamer”或“绘想”免费体验Turbo版功能,探索AI视频创作的无限可能。为激发创作热情,百度将在7月2日—8月3日期间举办“绘想·跨次元捏合”AI视频创作大赛。参赛者只需上传一张图片,即可借助MuseSteamer视频生成模型的强大能力生成富有创意的动态视频作品。
随着技术的突破,创意的边界也将进一步拓展。MuseSteamer视频生成模型让专业级视频创作变为大众可及的能力,让每个人都能成为自己故事的导演,实现“所思即所得”的创意自由。展望未来,百度将持续推进AIGC技术创新,让技术真正服务于每个人的创意表达。
相关文章
- 百度文心大模型4.5系列模型开源,国内首发平台GitCode现已开放下载!
- 百度文库智能PPT月访问量超3400万、位列全球第一,市场份额断崖式领先
- PPIO上线百度文心4.5系列开源模型
- 北京工商大学加入“星火计划”:携手百度Apollo共建自动驾驶产学研用繁荣生态
- 全国最大MCP平台!百度搜索已收录MCP server 超 1.6万
- 酷宅携AI硬件方案亮相百度智能云AI玩具产业创新峰会
- 百度AI搜索全面接入DeepSeek R1 最新版 进一步强化智能搜索体验
- 百度美的联手启动“安心维保计划”,重塑家电维修服务新标准!
- 腾讯AI数字人AvaMo落地商用,百度/微美全息加速虚拟人生态闭环构建
- 国内首个!百度文心大模型X1 Turbo斩获信通院最高评级证书
- 不用出国也能参观海外流失文物!百度百科启动「数字文物守护计划」
- 5.17电信日 | 外呼行业30年蝶变,百度智能云客悦用大模型重塑沟通价值
- 百度百家号上线首档纪实向内容IP“换个角度看世界”,破亿分发见证时代切面
- 百度国际MediaGo正式发布SmartBid 3.0,助力广告主轻松起量、稳定增长
- 文心快码3.5 全新升级:为百度创造40%新增代码,累计服务760万开发者
- 超拟真、会思考、能协同,百度慧播星发布高说服力数字人