8月21日，百度蒸汽機（MuseSteamer）音視頻一體化大模型完成2.0版本重大升級，標志著中文AI視頻生成技術(shù)邁入全新紀元。此次升級最引人矚目的突破在于全球首次實現(xiàn)"多人有聲視頻一體化生成"，讓創(chuàng)作者僅憑一張圖片即可輸出包含多角色對話、環(huán)境音效及專業(yè)運鏡的電影級視頻作品。

五大技術(shù)突破重塑行業(yè)標準

百度蒸汽機2.0通過五大核心技術(shù)重新定義視頻生成新標準：首先實現(xiàn)語音與唇形、表情的毫秒級精準對齊，即使在復雜交互場景下仍保持穩(wěn)定表現(xiàn)；其首創(chuàng)的多模態(tài)潛在空間規(guī)劃技術(shù)，能自主協(xié)調(diào)多角色身份特征與情感互動邏輯，確保敘事連貫性；特別針對中文場景深度優(yōu)化，語音細節(jié)與情感表達還原度超98%；同時具備端到端電影級畫質(zhì)生成能力，通過精準動態(tài)刻畫呈現(xiàn)細膩的人物表現(xiàn)；更內(nèi)置數(shù)十種專業(yè)鏡頭語言，可智能匹配文本指令實現(xiàn)影視級運鏡效果。

全系列版本滿足多元創(chuàng)作需求

目前開放的四大版本各具特色：Turbo版主打人物與動漫生成，動作一致性表現(xiàn)優(yōu)異；Lite版30秒極速出片，性價比出眾；Pro版提供1080p電影級畫質(zhì)與專業(yè)運鏡；而有聲版系列則突破性實現(xiàn)音畫同步生成，支持從環(huán)境音效到多角色臺詞的全套音頻輸出。即日起，普通用戶可通過百度搜索"百度蒸汽機"或登錄"繪想"平臺體驗Turbo版限免服務，企業(yè)用戶則可通過千帆平臺獲取高性能生成支持。

商業(yè)化落地加速內(nèi)容生產(chǎn)革命

該技術(shù)已成功應用于百度搜索、數(shù)字營銷等多個場景，其"需求即成片"的特性顯著提升了內(nèi)容生產(chǎn)效率。隨著AI視頻創(chuàng)作徹底告別配音時代，無論是個人博主還是專業(yè)影視機構(gòu)，都能以更低門檻實現(xiàn)對視聽語言的極致追求。在VBenchI2V權(quán)威榜單中以89.38%總分登頂?shù)腗useSteamer，正推動中文視頻創(chuàng)作進入"人人可拍電影"的新紀元。