百度商业发布全球首个中文音视频一体化生成模型MuseSteamer
发表于 2025-07-03 10:34:06

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。

图片1.png

“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。

图片2.png

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。

图片3.png

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。

图片4.png

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。

图片5.png

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。

图片6.png

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。

图片7.png

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。


「免责声明」:以上页面展示信息由第三方发布,目的在于传播更多信息,与本网站立场无关。我们不保证该信息(包括但不限于文字、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实,不对您构成任何投资建议,据此操作,风险自担,以上网页呈现的图片均为自发上传,如发生图片侵权行为与我们无关,如有请直接微信联系g1002718958。 

CSDN官方微信
扫描二维码,向CSDN吐槽
微信号:CSDNnews
微博关注
【免责声明:CSDN本栏目发布信息,目的在于传播更多信息,丰富网络文化,稿件仅代表作者个人观点,与CSDN无关。其原创性以及文中陈述文字和文字内容未经本网证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本网不做任何保证或者承诺,请读者仅作参考,并请自行核实相关内容。您若对该稿件有任何怀疑或质疑,请立即与CSDN联系,我们将迅速给您回应并做处理。】