百度旗下視頻生成模型“蒸汽機”近日完成關鍵技術升級，首次在行業內實現AI長視頻實時交互生成功能。該模型突破傳統AI視頻10秒左右的時長限制，通過流式視頻技術革新，將內容生成模式從單向輸出轉變為雙向共創，重新構建了AIGC內容創作的技術框架。
核心技術層面，升級后的模型采用流式生成架構與動態緩沖區管理機制，結合幀級噪聲獨立控制與歷史參考幀優化算法，理論上可支持無限時長的視頻生成。在畫面連貫性測試中，西部牛仔風格視頻的復雜運鏡場景（如人物行走、鏡頭搖移）實現了單鏡頭無縫銜接，較傳統首尾幀續寫技術的流暢度提升顯著。生成效率方面，經過工程優化的模型推理速度超越國內同類產品，較Vidu 2.0等模型“10秒生成4秒視頻”的效率實現指數級突破。
交互體驗革新是此次升級的核心亮點。用戶僅需上傳單張圖片與基礎提示詞即可啟動生成流程，過程中可隨時暫停并修改提示詞，實時調整視頻劇情走向、畫面風格及轉場效果。例如在賽車動畫生成場景中，用戶可通過修改提示詞實現賽車順序調整、背景切換等動態操作，全程無需重新渲染。這種“無限畫布”創作模式，使AI視頻工具從被動素材生成器升級為實時協作的創意伙伴。
同步推出的兩大創新功能進一步拓展應用場景：其一為可交互數字人，具備雙向互動與情感識別能力，可應用于AI導購、教育陪伴等領域。在導購場景中，數字人能根據用戶提問實時調整產品演示邏輯；其二為開放世界動態構建系統，允許用戶在AI生成的游戲地圖、虛擬旅游景點等環境中自由探索，場景細節隨交互行為實時渲染，解決了傳統預生成內容僵化的問題。
自今年5月啟動迭代以來，“蒸汽機”模型已陸續實現音視頻一體化生成、多人對話生成、移動端適配等功能。此次長視頻實時交互能力的突破，將AI視頻的應用場景從影視預演、互動娛樂延伸至個性化營銷等領域，推動AIGC技術向內容共創平臺演進。百度商業研發團隊負責人指出，長時一致性與實時交互技術的融合，標志著AI內容生產從素材生成向協同創作的范式轉變。
行業觀察人士認為，該技術將加速AI視頻在虛擬社交、沉浸式娛樂等領域的商業化落地，通過降低創作門檻激發用戶創意潛能，為內容產業注入新的發展動能。
