豆包视频生成大模型发布：首次突破多主体互动难关(豆包制作方法视频)

据媒体报道，新书9月24日报道，字节跳动正式宣布进入人工智能视频生成。发布豆包视频生成-PixelDance、豆包视频生成-Seaweed两大模型发布，面向企业市场开启邀测。

“豆包视频生成”大型模型凭借其出色的语义理解能力、复杂交互画面的准确捕捉和多镜头切换下的内容一致性，成功跻身行业先进水平。

该模型不仅能深入理解和响应复杂的指令，驱动不同角色完成一系列精细的动作互动，而且能达到细节处理的极端，从人物的外观、服装的微妙变化到头饰的准确呈现，它们可以在不同的镜子角度保持高度一致，就像真实的拍摄一样自然流畅。

值得一提的是，“豆包视频生成”DiT模型是基于字节跳动自主开发的（Dynamic Integration Transformer）通过高效的DiT集成计算单元，实现了视频在大动态场景与多种运镜之间的无缝切换。这一技术突破赋予了视频变焦、环绕、平摇、缩放、目标跟随等多镜头语言能力，使视频创作更加自由灵活，满足了创作者对视觉表达的无限想象。

为进一步提高视频创作的专业性和观赏性，“豆包视频生成”团队还创新地采用了新设计的扩散模型训练方法。

这种方法有效地克服了多镜头切换过程中保持主体、风格和氛围一致性的技术问题，确保视频的整体氛围和细节在镜头切换时仍然和谐统一，给观众带来更身临其境的观看体验。

目前，“豆包视频生成”该系列模型在即梦AI内测版中开启了小规模测试，旨在收集宝贵的用户反馈，不断优化产品性能。

[本文结尾]如需转载，请务必注明出处：新书

负责编辑：鹿角

文章内容报告