7 月 2 日消息,百度商業研發團隊發布自研視頻生成模型“MuseSteamer”及創作平臺“繪想”,MuseSteamer 是全球首個實現中文音視頻一體化生成的視頻模型。該技術可實現畫面與音效、人聲臺詞的協同創作,打破傳統 AIGC 視頻“先畫面后配音”的割裂流程。
據悉,MuseSteamer 在權威榜單 VBench I2V 中以 89.38% 總分登頂全球第一,支持一張圖生成 10 秒 1080p 電影級畫質視頻,人物微表情與運鏡效果達專業影視水準。其核心能力源于億級中文多模態數據清洗、精細化視頻結構化描述語言,以及多目標強化學習等技術優化。
據了解,MuseSteamer 模型家族包含 Turbo、Lite、Pro 及全系列有聲版,覆蓋從普通創作者到專業影視機構的需求。其中 Turbo 版已上線繪想平臺開啟限時免費公測,其余版本將于 8 月陸續開放。平臺同步啟動“跨次元捏合”AI 視頻創作大賽,用戶通過單圖輸入可生成動態捏捏樂視頻進行參賽。