在近日举办的百度AI DAY开放日上，百度商业研发团队震撼发布了其自主研发的视频生成模型MuseSteamer，这一创新技术为全球的视频创作者们带来了前所未有的高效与专业的智能化创作工具。MuseSteamer推出了包括Turbo版、Lite版、Pro版及全系列有声版在内的多样化模型矩阵，旨在满足不同用户的多元化创作需求。
百度商业体系商业研发总经理刘林在活动中深入阐述了MuseSteamer的核心优势。他强调，指令理解与遵循能力是衡量多模态大模型性能的关键指标，而MuseSteamer凭借其卓越的遵循力，真正实现了“所思即所得”的创作境界，赋予了创作者极大的自由。
在活动中展示的MuseSteamer生成的古装武侠视频中，一位侠客与巨型怪物激烈搏斗的场景令人震撼。该视频通过多模态大模型技术，生动展现了斗笠下侠客紧锁的眉头和锐利的目光，即使在特写和复杂光影条件下，面部微表情依然栩栩如生。同时，MuseSteamer还展现了其强大的镜头运用能力，通过俯拍、仰拍和环绕运镜等手法，将这场生死对决的紧张氛围展现得淋漓尽致，让普通用户也能轻松创作出电影级别的作品。
MuseSteamer不仅能够精准把握视频的基本剧情和画面，还能通过快慢镜头的交替运用，将打斗轨迹和紧张氛围完美呈现。在短片《她总在三点一刻出现》中，MuseSteamer通过10秒超长镜头和1080P高清画质，展现了电影级的艺术表现力。视频中的每一个细节，从咖啡热气到衣物褶皱，都被刻画得栩栩如生，为创作者提供了更加广阔的表达空间。
MuseSteamer是全球首个实现中文音视频一体化生成的视频模型。它能够同步生成画面、音效和人物台词，实现声音与画面的自然融合，显著提升了视频作品的完整性和艺术表现力。在一段沙漠越野主题的短片中，系统不仅呈现了越野车在沙漠中疾速漂移的画面，还智能生成了与之相匹配的立体声效，为创作者带来了真正“所见即所感”的音视频一体化体验。
在技术层面，MuseSteamer的卓越表现得益于百度在数据、算法和审美方面的深厚积累。该模型构建了亿级规模的中文多模态数据库，并通过三级优化体系实现了业界领先的语义对齐精度。在算法架构上，MuseSteamer采用精细化结构设计，支持中文文本、参考图像等多模态条件输入，确保了画面细节和主体运动轨迹的精准呈现。MuseSteamer还能生成分辨率高达1080P的高清视频，呈现出电影级别的流畅转场和逼真的物理运动规律。
随着MuseSteamer的发布，百度还推出了全新的AI视频创作平台——“绘想”，为创作者们提供了更加便捷的视频生成体验。用户只需通过PC端搜索“MuseSteamer”或“绘想”，即可免费体验Turbo版功能，探索AI视频创作的无限魅力。同时，为了激发创作者的热情，百度还将在活动期间举办“绘想·跨次元捏合”AI视频创作大赛，参赛者只需上传一张图片，即可借助MuseSteamer的强大能力生成富有创意的动态视频作品。
