百度发布自研模型MuseSteamer: 一张图可生成电影级高清有声视频

IT之家7月2日消息，百度商业研发团队发布自研视频生成模型“MuseSteamer”及创作平台“绘想”，MuseSteamer是全球首个实现中文音视频一体化生成的视频模型。该技术可实现画面与音效、人声台词的协同创作，打破传统AIGC视频“先画面后配音”的割裂流程。

据悉，MuseSteamer在权威榜单VBenchI2V中以89.38%总分登顶全球第一，支持一张图生成10秒1080p电影级画质视频，人物微表情与运镜效果达专业影视水准。其核心能力源于亿级中文多模态数据清洗、精细化视频结构化描述语言，以及多目标强化学习等技术优化。

据IT之家了解，MuseSteamer模型家族包含Turbo、Lite、Pro及全系列有声版，覆盖从普通创作者到专业影视机构的需求。其中Turbo版已上线绘想平台开启限时免费公测，其余版本将于8月陆续开放。平台同步启动“跨次元捏合”AI视频创作大赛，用户通过单图输入可生成动态捏捏乐视频进行参赛。