百度旗下視頻生成模型“蒸汽機”近日完成重大技術突破，首次實現AI長視頻實時交互生成功能。該模型通過流式視頻生成技術，成功突破傳統AI視頻10秒左右的時長限制，將內容創作模式從單向輸出升級為雙向協作，為AIGC（人工智能生成內容）領域開辟了全新范式。
技術核心方面，模型采用流式生成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技術，理論上可實現“無限時長”視頻生成。實測顯示，其畫面連貫性顯著優于傳統“首尾幀續寫”技術，例如在生成的西部牛仔風格視頻中，人物行走、鏡頭搖移等復雜運鏡可實現一鏡到底的流暢效果。推理效率方面，經工程優化的模型超越國內主流產品，相比Vidu 2.0等模型“10秒生成4秒視頻”的效率，實現了質的飛躍。
交互體驗的革新是此次升級的亮點。用戶僅需上傳單張圖片與提示詞即可啟動生成，過程中可隨時暫停或修改提示詞，實時調整視頻劇情、畫面及轉場效果。例如在生成賽車動畫時，用戶中途修改提示詞可立即改變賽車順序與背景，全程無需重新渲染。這種“無限畫布”式創作模式，使AI視頻工具從被動素材生成器轉變為實時協作的創作伙伴。
同步推出的兩大功能進一步拓展應用場景：可交互數字人支持沉浸式雙向互動與情感識別，可應用于AI導購、教育、陪伴等領域，例如在導購場景中能根據用戶提問實時調整產品演示；開放世界動態構建功能允許用戶自由操控AI生成的游戲地圖、旅游景點或宇宙空間，場景細節隨交互實時渲染，解決了傳統預生成內容的僵化問題。
自今年5月以來，“蒸汽機”模型持續迭代，已先后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功能的推出，將進一步推動AI視頻在影視預演、互動娛樂、個性化營銷等領域的應用，助力AIGC從“素材生成工具”向“內容共創平臺”轉型。
百度商業研發總經理劉林指出，長時一致性與實時交互技術的結合，標志著AIGC從“素材生產”向“內容共創平臺”的關鍵跨越。業內分析認為，該技術將加速AI視頻在互動娛樂、虛擬社交等領域的落地，推動內容產業進入“低門檻、高創意”的新階段。
