豆包视频生成大模型正式发布

鞭牛士 9月24日消息，字节跳动旗下火山引擎今日在深圳举办AI创新巡展，正式发布了豆包视频生成-PixelDance、豆包视频生成-Seaweed两款大模型。

活动现场，火山引擎总裁谭待表示：“视频生成有很多难关亟待突破。豆包两款模型会持续演进，在解决关键问题上探索更多可能性，加速拓展AI视频的创作空间和应用落地。”

镜头切换方面，豆包视频生成模型能实现自然连贯的多拍动作与多主体复杂交互。豆包视频生成模型基于 DiT 架构，能够让视频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，并且，在镜头切换时可同时保持主体、风格、氛围的一致。

画面风格方面，经过剪映、即梦AI等持续迭代，豆包视频生成模型具备专业级光影布局和色彩调和。Transformer结构经过深度优化，可支持3D动画、2D动画、国画、黑白、厚涂等风格，适配电影、电视、电脑、手机等电子设备的比例，适用于电商营销、动画教育、城市文旅、微剧本等不同场景。

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。

此次活动中，豆包大模型不仅新增视频生成模型，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、视频等模态。

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月首次发布时增长十倍，多模态数据处理量也分别达到每天5000万张图片和85万小时语音。