百度自研的視頻生成模型還是來了|界面新聞 · 科技

huangchongshun 2025-07-12 京東 61 次瀏覽 0個(gè)評論

界面新聞?dòng)浾?| 肖芳
界面新聞編輯 | 文姝琪

在百度AI DAY科技開放日上，百度移動(dòng)生態(tài)商業(yè)研發(fā)團(tuán)隊(duì)正式發(fā)布自研視頻生成模型MuseSteamer，及視頻產(chǎn)品平臺“繪想”。MuseSteamer采用DIT架構(gòu)，參數(shù)和業(yè)界最大的視頻生成模型在同一個(gè)量級，支持生成連續(xù)10s動(dòng)態(tài)視頻，最高可生成分辨率為1080P的高清視頻。

百度自研的視頻生成模型還是來了，但并不是來自研發(fā)文心大模型的技術(shù)中臺部門TPG。

去年10月，百度CEO李彥宏曾在內(nèi)部講話中稱百度不會做視頻生成模型，因?yàn)?/span>Sora這種視頻生成模型的投入周期太長。

在媒體溝通會上，百度副總裁、移動(dòng)生態(tài)商業(yè)體系負(fù)責(zé)人陳一凡在一開場就向界面新聞等媒體解釋了為何百度要做視頻生成模型的問題。他表示，為了幫助代理商和廣告主快速地生成廣告，去年百度移動(dòng)生態(tài)商業(yè)體系推出了擎舵平臺。但有代理商和廣告主反饋說，一些偏科幻的場景很難拍攝，希望能通過大模型生成。移動(dòng)生態(tài)商業(yè)體系調(diào)研之后，決定自研視頻生成模型。

一位百度內(nèi)部人士也向界面新聞解釋稱，去年李彥宏在內(nèi)部講話中還提到，基于多模態(tài)的需求，可以做一些相對特定的視頻生成場景。百度前段時(shí)間發(fā)布的羅永浩數(shù)字人以及此次發(fā)布的視頻生成模型都是基于特定場景和特定需求的，這是百度內(nèi)部一直在探索的。

目前，市場上大多數(shù)視頻生成模型都是技術(shù)驅(qū)動(dòng)型，即通過不斷優(yōu)化算法、增加算力、豐富數(shù)據(jù)等技術(shù)手段，提升模型性能和生成視頻的質(zhì)量，以滿足用戶需求和市場競爭，但模型并沒有確定性的應(yīng)用場景，而是隨著模型能力的提升進(jìn)行持續(xù)探索。相比之下，百度視頻生成模型最大的不同就是商業(yè)驅(qū)動(dòng)，即先有了明確的商業(yè)需求，再結(jié)合需求研發(fā)模型。

百度商業(yè)體系商業(yè)研發(fā)總經(jīng)理劉林向界面新聞透露，MuseSteamer項(xiàng)目在今年春節(jié)之后才開始立項(xiàng)，研發(fā)團(tuán)隊(duì)有幾十個(gè)人，到上線有效的研發(fā)時(shí)間只有3個(gè)月。

劉林表示，MuseSteamer之所以能夠在較短時(shí)間上線，是因?yàn)?/span>其在技術(shù)上并不是完全從零起步。擎舵平臺在多模態(tài)生成上本身就有了一定的技術(shù)積累，百度商業(yè)體系在模型訓(xùn)練框架推理、卡片調(diào)優(yōu)上也有一些積累，能夠快速的延續(xù)過來。