百度“蒸汽机”完成升级，音视频一体化生成走向产业化

百科大全 2025年08月23日 19:34 1 admin

8月21日，百度宣布其音视频一体化生成模型“蒸汽机”（MuseSteamer）完成重大升级，推出Turbo、Lite、Pro及有声版，并首次实现多人有声音视频一体化生成。用户可通过百度搜索“百度蒸汽机”或登录“绘想”平台体验，企业用户则可在百度智能云“千帆”平台获取服务。

百度副总裁、移动生态商业体系负责人陈一凡介绍，当前已有大量用户使用蒸汽机生成的视频上传至百家号、信息流乃至抖音等平台，部分作品获得数十万至百万量级的播放与点赞。他表示，这一“多点开花”的现象说明AIGC生成视频正在融入主流内容分发，而非局限于实验性应用。

作为全球率先发布的中文音视频一体化I2V模型，蒸汽机2.0在生成电影级画面的同时，可同步输出环境音效与多角色语音。这意味着过去依赖后期配音的AIGC视频生产，正在进入完整的“视听一体”阶段。

据百度介绍，蒸汽机2.0的升级体现在五个方面：包括多角色语音与画面表情的毫秒级对齐、多模态潜在空间规划技术保障叙事连贯、中文语音的高保真还原、端到端电影级画质生成，以及专业化的镜头调度与运镜能力。

百度商业研发首席架构师李双龙表示，此次突破在中文领域尚属首次。此前，谷歌在6月推出了Veo3音视频模型，但尚不支持中文语境，而蒸汽机2.0是首个实现中文音视频一体化的模型。其技术难点在于“形、声、容”的同步：如何在多角色场景下让语音、表情和动作自然匹配，并通过端到端的一体化训练完成生成，而不是依赖人工预设的分段流程。

这一端到端模式也对中文语料提出了特殊要求。团队在采集和训练过程中，重点针对中文的发音细节和语境表达进行了深度优化，使模型能够更好地捕捉情感与语调差异。李双龙提到：“我们希望这是一个真正面向中国用户、为中文创作者服务的一体化生成模型。”

在发布会后的媒体交流中，成本问题成为关注焦点。陈一凡回应称，相比友商产品，蒸汽机在价格上普遍低于市场水准的七折，甚至更低。原因在于其在GPU算力体系上的早期投入和工程积累。

陈一凡表示：“如果成本降不下来，用户就不会用；只有让更多人能用，质量才有意义。”自2016年起，百度在搜索与广告业务中已大规模部署GPU，这一经验被延伸至大模型训练，使团队能在保证画质与语音的前提下优化算子和训练流程，从而在短时间内同时实现质量提升与成本下降。

这种路径与国外同类产品存在差异。曾参与《黑客帝国3》《变形金刚3》等电影制作的视效指导姚骐，用蒸汽机完成了一部40余镜头的短片《归途》，生成超过120段素材，整体成本控制在百元级别。他指出，这使得“过去百万级预算才能完成的视觉效果，如今在百元级别就能实现”。

蒸汽机2.0的落地应用不仅面向C端创作者，也在B端形成了清晰的价值主张。百度方面介绍，对于中小企业和品牌客户而言，视频制作的痛点在于创意表达与沟通效率。传统提案往往停留在概念层面，而AI生成的基础视频能在极短时间内呈现视觉化方案。

陈一凡提到：“一汽大众揽境的七夕营销项目是一个较好的案例。原本需要数周的制作周期，利用蒸汽机一周便完成，且在提案阶段就能打动广告主。”类似案例反映出AI视频生成在广告、公关等商业场景的价值：压缩制作周期、降低预算，同时提升创意的落地效率。

在C端层面，用户可在百度搜索端直接生成视频，从脚本到成片实现自动化。百家号等平台也已接入蒸汽机，创作者可突破专业门槛，以更低成本实现个体化内容生产。企业用户则可通过千帆平台按需调用服务，适配营销、影视与创意特效等场景。

随着音视频一体化模型的开放，AIGC在视频生产环节的应用正加速普及。与以往以技术突破为主的迭代不同，蒸汽机的研发更多由应用需求推动，反过来也在推动百度在搜索、内容、商业与云生态中的服务升级。

业内人士指出，蒸汽机在中文语境下的深度适配与成本优势，意味着AI视频生成正逐步走出实验室，成为可规模化使用的生产工具。这不仅重塑了创作者与企业的工作流，也为影视、广告与云计算等行业带来新的结构性变量。

我来教大家“微信麻将输赢规律”（是否能开挂)

Coinbase：解雇未用AI员工，本季末50%代码拟由AI编写

发表评论

百度“蒸汽机”完成升级，音视频一体化生成走向产业化

我来教大家“微信麻将输赢规律”（是否能开挂)

Coinbase：解雇未用AI员工，本季末50%代码拟由AI编写

最新评论

最新留言

标签列表