字节憋了个大招。9 月 24 日，字节跳动旗下的火山引擎在深圳办了一场 AI 创新巡展，一口气发布了两款视频生成大模型，正式宣告进军 AI 视频生成。这两款模型，一个名为 PixelDance（以下简称 P 模型），一个名为 Seaweed（以下简称 S 模型），不仅在审美、动幅上提升了一个 level，还破解了多主体互动和一致性难题。话不多说，先整几个视频让大家感受下：一位年轻女生微簇眉头，生气地戴上一副墨镜，这时，男主角入画，紧紧抱住了她。这段 10 秒的镜头中，人物面部表情变化自然，没有任何虚化崩坏。再如，一只金毛小狗在草地上追逐泡泡。 （AI 自动配乐）以及一个 3D 风格的可爱小女孩正在跳舞。 （AI 自动配乐）看来，字节这次是把攒了许久的绝活儿，一股脑全倒出来了。目前，新款豆包视频生成模型正在即梦 AI 内测版小范围测试，未来将逐步开放给所有用户。我们也在第一时间拿到内测资格，接下来，就奉上新鲜出炉的一手实测。解锁多动作、多主体目前，市面上大部分视频生成模型，只能完成简单指令或者单一动作。而这次，豆包视频生成模型一顿升级，不仅可以遵循复杂 Prompt，还能捕捉多动作序列和主体互动。例如，梵高站在自己的画作前，捂嘴大笑起来，脸上的褶子都清晰可见；随即又秒变严肃，手缓缓落下，捋捋自己的小胡子。整套动作行云流水，表情自然逼真。再比如，我们输入 Prompt：两名宇航员行走在夜晚繁华的街道上。两名身穿宇航服的航天员，一前一后漫步在繁华街道上，身后人来人往，两侧的建筑亮起了绚丽的灯光和店招。众所周知，AI 最容易犯的毛病之一，就是左右腿不分，或者惊现四条腿。而在豆包视频模型中，二人走路姿势正常，几乎与真人无异，没有模糊、扭曲，也没有出现各种诡异画面。我们还输入了一段形容词贼多的 Prompt：一只蜗牛在雨后的森林地面上缓缓爬行，它身后留下一条闪闪发光的粘液轨迹。蜗牛的触角谨慎地移动着，它的壳的每一段都有精细的纹理。一个摄像机跟踪着蜗牛的缓慢旅程。镜头非常接近，以至于蜗牛壳和身体上的水滴清晰可见，地面的细节也展现得非常清楚。
再如，一只金毛小狗在草地上追逐泡泡。
（AI 自动配乐） 
（AI 自动配乐） 
再比如，我们输入 Prompt：两名宇航员行走在夜晚繁华的街道上。
关注我们
