百度視頻生成技術(shù)再突破，蒸汽機(jī)模型50天大升級(jí)驚艷業(yè)界。

近日，百度旗下的視頻生成利器——蒸汽機(jī)模型，迎來了上線后的首次重大更新，距離其初次亮相僅過去短短50天。此次升級(jí)，蒸汽機(jī)模型在功能性與經(jīng)濟(jì)性上均實(shí)現(xiàn)了質(zhì)的飛躍。

技術(shù)層面，蒸汽機(jī)模型最令人矚目的變化在于其成功實(shí)現(xiàn)了多人有聲視頻的一體化生成。這意味著，由模型產(chǎn)出的視頻無需后期配音，人物的聲音、表情、動(dòng)作及嘴型均能實(shí)現(xiàn)精準(zhǔn)同步，即便在復(fù)雜多變的場(chǎng)景下也能保持穩(wěn)定輸出。視頻畫面的清晰度與流暢度均有顯著提升，運(yùn)鏡手法也更為多樣與靈活。

經(jīng)濟(jì)層面，百度此番對(duì)蒸汽機(jī)模型的使用成本進(jìn)行了大幅下調(diào)。據(jù)百度商業(yè)體系商業(yè)研發(fā)總經(jīng)理劉林在發(fā)布會(huì)現(xiàn)場(chǎng)透露，使用蒸汽機(jī)模型Turbo版生成一段5秒720p的一體化有聲視頻，僅需1.4元。相比之下，行業(yè)內(nèi)同類模型生成5秒720p無聲視頻的平均價(jià)格約為2元。此番降價(jià)，無疑將百度視頻生成服務(wù)推至行業(yè)價(jià)格70%的新低點(diǎn)。

百度蒸汽機(jī)模型的迭代速度之快、降價(jià)幅度之大，相較于其旗下的文心系列大模型，顯得尤為激進(jìn)。百度副總裁、移動(dòng)生態(tài)商業(yè)體系負(fù)責(zé)人陳一凡在接受采訪時(shí)透露，蒸汽機(jī)模型從1.0到2.0的升級(jí)，是在需求驅(qū)動(dòng)的基礎(chǔ)上，疊加了技術(shù)的深度優(yōu)化。這一轉(zhuǎn)變，使得模型在短短50天內(nèi)實(shí)現(xiàn)了技術(shù)與成本的雙重突破。

值得注意的是，蒸汽機(jī)模型并非由百度負(fù)責(zé)基礎(chǔ)技術(shù)的TPG部門研發(fā)，而是由MEG旗下的移動(dòng)生態(tài)商業(yè)體系傾力打造。其主要服務(wù)對(duì)象為廣告主與代理商，旨在滿足其視頻營(yíng)銷素材的高效制作需求。

陳一凡進(jìn)一步解釋，蒸汽機(jī)模型1.0版本側(cè)重于算法與策略的研發(fā)，而2.0版本則更加注重大模型工程方面的優(yōu)化。正是這一轉(zhuǎn)變，使得模型在技術(shù)與成本上均取得了顯著進(jìn)步。百度商業(yè)體系對(duì)GPU架構(gòu)的深厚積累，以及對(duì)如何通過調(diào)整訓(xùn)練集、算子等方式降低訓(xùn)練成本的獨(dú)到見解，為此次升級(jí)提供了有力支撐。

蒸汽機(jī)模型自立項(xiàng)之初便明確了服務(wù)對(duì)象，上線一個(gè)月內(nèi)便收集了大量客戶反饋。廣告客戶對(duì)模型能力提出了更高要求，如運(yùn)鏡、畫質(zhì)、一致性及音畫一體化等方面。此次升級(jí)，模型正是針對(duì)這些方面進(jìn)行了重點(diǎn)改進(jìn)。同時(shí)，針對(duì)部分客戶反映的價(jià)格偏高問題，研發(fā)團(tuán)隊(duì)也通過優(yōu)化訓(xùn)練成本，實(shí)現(xiàn)了價(jià)格的合理下調(diào)。

發(fā)布會(huì)現(xiàn)場(chǎng)，好萊塢視效指導(dǎo)姚騏展示了其團(tuán)隊(duì)使用蒸汽機(jī)模型制作的短片《歸途》。該短片由40多個(gè)鏡頭、120段素材片段組成，其中包括20個(gè)10秒一體化有聲片段和100個(gè)5秒有聲片段，整個(gè)制作過程僅需一周時(shí)間。按照蒸汽機(jī)模型的最新定價(jià)計(jì)算，其制作成本僅為330.6元。這一案例，充分展示了蒸汽機(jī)模型在降低營(yíng)銷成本方面的巨大潛力。

當(dāng)前，視頻生成模型在營(yíng)銷素材生成等領(lǐng)域的商業(yè)價(jià)值正日益凸顯。以快手為例，其視頻生成模型可靈AI在今年第二季度的營(yíng)收已達(dá)到2.5億元，營(yíng)收能力較此前大幅提升。據(jù)快手預(yù)測(cè)，可靈AI今年全年的營(yíng)收將遠(yuǎn)超年初設(shè)定的目標(biāo)。