百度發佈自研模型MuseSteamer：一張圖可生成電影級高清有聲視頻

IT之家 7 月 2 日消息，百度商業研發團隊發佈自研視頻生成模型“MuseSteamer”及創作平臺“繪想”，MuseSteamer 是全球首個實現中文音視頻一體化生成的視頻模型。該技術可實現畫面與音效、人聲臺詞的協同創作，打破傳統 AIGC 視頻“先畫面後配音”的割裂流程。

據悉，MuseSteamer 在權威榜單 VBench I2V 中以 89.38% 總分登頂全球第一，支持一張圖生成 10 秒 1080p 電影級畫質視頻，人物微表情與運鏡效果達專業影視水準。其核心能力源於億級中文多模態數據清洗、精細化視頻結構化描述語言，以及多目標強化學習等技術優化。

據IT之家瞭解，MuseSteamer 模型家族包含 Turbo、Lite、Pro 及全系列有聲版，覆蓋從普通創作者到專業影視機構的需求。其中 Turbo 版已上線繪想平臺開啓限時免費公測，其餘版本將於 8 月陸續開放。平臺同步啓動“跨次元捏合”AI 視頻創作大賽，用戶通過單圖輸入可生成動態捏捏樂視頻進行參賽。