更新时间:2025-07-11 18:11:36点击: 1
字节跳动正式宣告进军AI影片生成。豆包大模9月24日,影片字节跳动旗下火山引擎在深圳举办AI创新巡展,生成式一举发布了豆包影片生成-PixelDance、型正豆包影片生成-Seaweed两款大模型,布首面向企业市场开启邀测。次突
活动现场展示的破多影片生成效果令人惊叹。无论是主体语义理解能力,多个主体运动的互动复杂交互画面,还是难关多镜头切换的内容一致性,豆包影片生成大模型均达到业界先进水平。豆包大模火山引擎总裁谭待表示,影片“影片生成有很多难关亟待突破。生成式豆包两款模型会持续演进,型正在解决关键问题上探索更多可能性,布首加速拓展AI影片的创作空间和应用落地。”
图:火山引擎总裁谭待发布豆包影片生成模型
创新工艺,破解多主体互动和一致性难题
此前影片生成模型大多只能完成简单指令,豆包影片生成模型则能实现自然连贯的多拍动作与多主体复杂交互。有创作者在抢鲜体验豆包影片生成模型时发现,其生成的影片不仅能够遵循复杂指令,让不同人物完成多个动作指令的互动,人物样貌、服装细节甚至头饰在不同运镜下也保持一致,接近实拍效果。
据火山引擎介绍,豆包影片生成模型基于 DiT 架构,通过高效的DiT融合计算单元,让影片在大动态与运镜中自由切换,拥有变焦、环绕、平摇、缩放、目标跟随等多镜头语言能力。全新设计的扩散模型训练方法更是攻克了多镜头切换的一致性难题,在镜头切换时可同时保持主体、风格、氛围的一致性,这也是豆包影片生成模型独树一帜的工艺创新。
经过剪映、即梦AI等业务场景打磨和持续迭代,豆包影片生成模型具备专业级光影布局和色彩调和,画面视觉极具美感和真实感。深度优化的Transformer结构,则大幅提升了豆包影片生成的泛化能力,支持3D动画、2D动画、国画、黑白、厚涂等多种风格,适配电影、电视、电脑、手机等各种设备的比例,不仅适用于电商营销、动画教育、城市文旅、微剧本等企业场景,也能为专业创作者和艺术家们提供创作辅助。
目前,新款豆包影片生成模型正在即梦AI内测版小范围测试,未来将逐步开放给所有客户。剪映和即梦AI市场负责人陈欣然认为,AI能够和创作者深度互动,共同创作,带来很多惊喜和启发,即梦AI希望成为客户最亲密和有智慧的创作伙伴。
豆包大模型推出业界最高并发流量标准
此次活动中,豆包大模型不仅新增影片生成模型,还发布了豆包音乐模型和同声传译模型,已全面覆盖语言、语音、图像、影片等全模态,全方位满足不同行业和领域的业务场景需求。
在产物能力日益完善的同时,豆包大模型的使用量也在极速增长。据火山引擎披露,截至9月,豆包语言模型的日均tokens使用量超过1.3万亿,相比5月首次发布时猛增十倍,多模态信息处理量也分别达到每天5000万张图片和85万小时语音。
此前,豆包大模型公布低于行业99%的定价,引领国内大模型开启降价潮。谭待认为,大模型价格已不再是阻碍创新的门槛,随着企业大规模应用,大模型支持更大的并发流量正在成为行业增长的关键因素。
据谭待介绍,业内多家大模型目前最高仅支持300K甚至100K的TPM(每分钟token数),难以承载企业生产环境流量。例如某科研机构的文献翻译场景,TPM峰值为360K,某汽车智能座舱的TPM峰值为420K,某AI教育公司的TPM峰值更是达到630K。为此,豆包大模型默认支持800K的初始TPM,远超行业平均水平,客户还可根据需求灵活扩容。
“在我们努力下,大模型的应用成本已经得到很好解决。大模型要从卷价格走向卷性能,卷更好的模型能力和支持。”谭待表示。雷峰网雷峰网(公众号:雷峰网)雷峰网
雷峰网版权文章,未经授权禁止转载。详情见转载须知。
从 0 到 1,揭秘中国首个 AI 音乐 SOTA 模型
Pieter Abbeel 新工作“大世界模型”:轻松玩转1小时长视频,一对一QA视频内容细节
Babel 张海龙:AI Agent 将铸就一支“钢铁雄师”
「焦虑」的体育教育,「救场」的AI体育
新能源时代,国产3D视觉「冲击」保守的汽车行业
百川智能首款 AI 应用主打懂搜索,但王小川不做搜索 2.0
AI 迈进深水区,谈落地、谁能带来新解法?
用扩散模型生成神经网络?NUS 尤洋团队:这不是开玩笑
全国首部展现“正当防卫”的悬疑剧来了!迷雾剧场作品《正当防卫》7月9日开播
周伯文:下一代大模型 OS,工具和语言缺一不可丨GAIR 2023
博搏云的生态蓝图:稳固住AGI全栈服务商的重要阵地
零一万物 API 上线,用户反馈多模态中文能力超过 GPT
阿里与上交大提出 LLM 长文本计算新解法:可处理文本长达 1900k 字节、效率提升 2.4 倍
周伯文:下一代大模型 OS,工具和语言缺一不可丨GAIR 2023
通用3D机器视觉平台是不是伪命题?
谁将替代 Transformer?
大模型时代的三道鸿沟:数据、成本与想象力
通用3D机器视觉平台是不是伪命题?