百度自研的视频生成模型还是来了



界面新闻记者 | 肖芳

界面新闻编辑 | 文姝琪

 

在百度AI DAY科技开放日上，百度移动生态商业研发团队正式发布自研视频生成模型MuseSteamer，及视频产品平台“绘想”。MuseSteamer采用DIT架构，参数和业界最大的视频生成模型在同一个量级，支持生成连续10s动态视频，最高可生成分辨率为1080P的高清视频。

百度自研的视频生成模型还是来了，但并不是来自研发文心大模型的技术中台部门TPG。

去年10月，百度CEO李彦宏曾在内部讲话中称百度不会做视频生成模型，因为Sora这种视频生成模型的投入周期太长。



在媒体沟通会上，百度副总裁、移动生态商业体系负责人陈一凡在一开场就向界面新闻等媒体解释了为何百度要做视频生成模型的问题。他表示，为了帮助代理商和广告主快速地生成广告，去年百度移动生态商业体系推出了擎舵平台。但有代理商和广告主反馈说，一些偏科幻的场景很难拍摄，希望能通过大模型生成。移动生态商业体系调研之后，决定自研视频生成模型。

一位百度内部人士也向界面新闻解释称，去年李彦宏在内部讲话中还提到，基于多模态的需求，可以做一些相对特定的视频生成场景。百度前段时间发布的罗永浩数字人以及此次发布的视频生成模型都是基于特定场景和特定需求的，这是百度内部一直在探索的。

目前，市场上大多数视频生成模型都是技术驱动型，即通过不断优化算法、增加算力、丰富数据等技术手段，提升模型性能和生成视频的质量，以满足用户需求和市场竞争，但模型并没有确定性的应用场景，而是随着模型能力的提升进行持续探索。相比之下，百度视频生成模型最大的不同就是商业驱动，即先有了明确的商业需求，再结合需求研发模型。

百度商业体系商业研发总经理刘林向界面新闻透露，MuseSteamer项目在今年春节之后才开始立项，研发团队有几十个人，到上线有效的研发时间只有3个月。

刘林表示，MuseSteamer之所以能够在较短时间上线，是因为其在技术上并不是完全从零起步。擎舵平台在多模态生成上本身就有了一定的技术积累，百度商业体系在模型训练框架推理、卡片调优上也有一些积累，能够快速的延续过来。

目前，MuseSteamer模型Turbo版已上线“绘想”平台，开启限时免费公测，其余版本将于8月陆续开放。陈一凡表示，“绘想”平台的定位是一个营销产品，目标是服务好B端的广告主。

根据百度官方公布的数据，目前，“绘想”平台已生成超过100个AIGC广告在百度商业体系内上线投放。

至于MuseSteamer模型是否会服务C端用户，陈一凡并没有给出明确答案。但目前，全新改版的百度搜索已接入MuseSteamer模型，后续百度很可能将其接入更多C端产品来面向普通用户提供服务。

“C端的想象空间是非常大的，前提是我们把模型做好。”陈一凡表示。