【ITBEAR】9月24日消息，字节跳动近日正式宣布进军AI视频生成领域，推出了两款面向企业市场的大模型——“豆包视频生成-PixelDance”与“豆包视频生成-Seaweed”，并开启了邀测活动。
这两款“豆包视频生成”大模型凭借其出色的语义理解能力、对复杂交互画面的精准捕捉以及多镜头切换下的内容一致性，成功跻身业界领先水平。它们不仅能够深度理解并响应复杂的指令，驱动不同人物角色完成一系列精细的动作互动，还在细节处理上达到了极致，从人物样貌、服装的微妙变化到头饰的精准呈现，均能在不同运镜角度下保持高度一致，呈现出如同实拍般的自然流畅效果。
据ITBEAR了解，“豆包视频生成”模型依托字节跳动自主研发的DiT（Dynamic Integration Transformer）架构，通过高效的DiT融合计算单元，实现了视频在大动态场景与多样运镜之间的无缝切换。这一技术突破为视频创作带来了更多的自由度和灵动性，满足了创作者对视觉表达的无限想象。同时，该模型还采用了全新设计的扩散模型训练方法，有效攻克了多镜头切换过程中保持主体、风格、氛围一致性的技术难题，确保在镜头切换的瞬间，视频的整体氛围与细节表现依然和谐统一，为观众带来更加沉浸式的观看体验。
为了进一步提升视频创作的专业性和观赏性，“豆包视频生成”团队在技术创新上不断突破。他们通过优化算法和增强模型的学习能力，使得生成的视频在画质、流畅度以及细节处理上都达到了业界顶尖水平。这一系列的努力不仅提升了视频的质量，也为创作者提供了更多发挥创意的空间。
目前，“豆包视频生成”系列模型已在即梦AI内测版中开启小范围测试，旨在收集用户反馈，不断优化产品性能。这一举措不仅展示了字节跳动在AI视频生成领域的雄心壮志，也为未来的视频创作市场带来了新的期待和可能性。
关键词：#字节跳动# #AI视频生成# #豆包视频生成# #DiT架构# #沉浸式观看体验#
