10月15日，百度旗下視頻生成模型 “蒸汽機(jī)” 完成重大升級(jí)，行業(yè)首次實(shí)現(xiàn) AI 長視頻實(shí)時(shí)交互生成。依托流式視頻技術(shù)突破，該模型不僅打破傳統(tǒng) AI 視頻 10 秒左右的時(shí)長限制，更將生成模式從 “單向輸出” 升級(jí)為 “雙向共創(chuàng)”，重新定義 AIGC 內(nèi)容創(chuàng)作范式。

此次升級(jí)核心采用流式生成技術(shù)與動(dòng)態(tài)緩沖區(qū)管理機(jī)制，通過幀級(jí)噪聲獨(dú)立控制與歷史參考幀優(yōu)化，實(shí)現(xiàn)理論上 “無限時(shí)長” 視頻生成，畫面連貫性較傳統(tǒng) “首尾幀續(xù)寫” 技術(shù)顯著提升 —— 西部牛仔風(fēng)格視頻中，人物行走、鏡頭搖移等復(fù)雜運(yùn)鏡可實(shí)現(xiàn)一鏡到底的絲滑過渡。生成速度上，經(jīng)工程優(yōu)化的模型推理效率超越國內(nèi)主流產(chǎn)品，較 Vidu 2.0 等模型 “10 秒生成 4 秒視頻” 的效率實(shí)現(xiàn)質(zhì)的飛躍。

交互體驗(yàn)方面，用戶上傳單張圖片與提示詞即可啟動(dòng)生成，過程中可隨時(shí)暫?；蛐薷奶崾驹~，實(shí)時(shí)調(diào)控視頻劇情、畫面及轉(zhuǎn)場效果。例如生成賽車動(dòng)畫時(shí)，中途調(diào)整提示詞即可讓賽車順序調(diào)整，背景切換，全程無需重新渲染。這種 “無限畫布” 式創(chuàng)作，使 AI 視頻從被動(dòng)素材生成工具轉(zhuǎn)變?yōu)閷?shí)時(shí)協(xié)作的創(chuàng)作伙伴。

同步推出的兩大功能進(jìn)一步拓展應(yīng)用邊界：

• 可交互數(shù)字人：支持沉浸式雙向互動(dòng)與情感識(shí)別，可應(yīng)用于 AI 導(dǎo)購、教育、陪伴等場景，如導(dǎo)購場景中能根據(jù)用戶提問實(shí)時(shí)調(diào)整產(chǎn)品演示；

• 開放世界動(dòng)態(tài)構(gòu)建：允許用戶自行操控，在 AI 生成的游戲地圖、旅游景點(diǎn)、宇宙空間等環(huán)境中自由探索，場景細(xì)節(jié)隨交互實(shí)時(shí)渲染，解決傳統(tǒng)預(yù)生成內(nèi)容的僵化問題。

百度蒸汽機(jī)自 5 月起持續(xù)迭代，先后實(shí)現(xiàn)音視頻一體化生成、多人對(duì)話生成、移動(dòng)端適配等能力。本次長視頻實(shí)時(shí)交互功能的推出，進(jìn)一步拓展 AI 視頻在影視預(yù)演、互動(dòng)娛樂、個(gè)性化營銷等場景的應(yīng)用邊界，推動(dòng) AIGC 從 “素材生成工具” 向 “內(nèi)容共創(chuàng)平臺(tái)” 演進(jìn)。

百度商業(yè)研發(fā)總經(jīng)理劉林表示，長時(shí)一致性與實(shí)時(shí)交互技術(shù)的結(jié)合，標(biāo)志著AIGC從“素材生產(chǎn)”向“內(nèi)容共創(chuàng)平臺(tái)”的關(guān)鍵跨越。

業(yè)內(nèi)分析指出，該技術(shù)將加速AI視頻在互動(dòng)娛樂、虛擬社交等領(lǐng)域落地，推動(dòng)內(nèi)容產(chǎn)業(yè)進(jìn)入 “低門檻、高創(chuàng)意” 新階段。（轉(zhuǎn)自AI普瑞斯）