字節跳動豆包視頻生成大模型發布

　　2024火山引擎 AI 創新巡展在深圳舉辦，豆包大模型家族迎來新成員：全新發布豆包·視頻生成模型、以及豆包·音樂模型、豆包·同聲傳譯模型、豆包通用模型pro 和文生圖模型、語音合成模型等垂類模型大幅升級。

　　豆包·視頻生成模型能遵從復雜 prompt，解鎖時序性多拍動作指令與多個主體間的交互能力。

　　該模型支持高效的 DiT 融合計算單元、全新設計的擴散模型訓練方法和深度優化的 Transformer 結構，可以實現更充分地壓縮編碼視頻與文本，支持一致性多鏡頭生成，能夠大幅提升視頻生成的泛化能力。

　　官方介紹稱，無論是語義理解能力，多個主體運動的復雜交互畫面，還是多鏡頭切換的內容一致性，豆包視頻生成大模型均達到業界先進水平。

　　據火山引擎介紹，豆包視頻生成模型基于 DiT 架構，通過高效的 DiT 融合計算單元，讓視頻在大動態與運鏡中自由切換，擁有變焦、環繞、平搖、縮放、目標跟隨等多鏡頭語言能力。豆包視頻生成模型具備專業級光影布局和色彩調和，畫面視覺極具美感和真實感。

　　深度優化的 Transformer 結構，則大幅提升了豆包視頻生成的泛化能力，支持 3D 動畫、2D 動畫、國畫、黑白、厚涂等多種風格，適配電影、電視、電腦、手機等各種設備的比例，不僅適用于電商營銷、動畫教育、城市文旅、微劇本等企業場景，也能為專業創作者和藝術家們提供創作輔助。