“多人对话音视频一体化生成”大模型百度蒸汽机（MuseSteamer）迎来重大技术突破，其最新版本正式推出通用AI长视频生成功能，用户可借此生成任意时长的AI视频内容，彻底打破传统AI视频生成5秒、10秒的时长限制。
此次升级的核心亮点在于两大技术突破：其一，通过流式生成技术实现视频“无限”时长生成，用户输入一张参考图和文本描述即可生成电影级质感的长视频；其二，首创生成过程中的交互式创作模式，用户可随时暂停生成并提交新的提示词（prompt），动态调整后续剧情走向。
在技术实现层面，百度蒸汽机采用自回归扩散模型，结合帧级噪声独立控制与动态时间步调度策略，突破传统扩散模型在长视频生成中的性能瓶颈。同时，依托商业体系强大的工程优化能力，通过模型参数压缩、窗口注意力机制优化等手段，将推理耗时降至近乎实时水平，确保长视频生成的流畅性与效率。
据项目负责人介绍，升级后的模型已实现理论上的无限时长视频生成能力，用户仅需输入基础素材即可生成包含多人对话、精准口型同步的复杂视频内容。例如，在官方演示中，模型成功生成30秒及超1分钟的连贯视频片段，画面质量与叙事逻辑均达到专业水准。
9月25日，百度商业体系商业研发总经理刘林与知名编剧田博通过直播连麦，首次对外解析技术细节。刘林强调，此次升级不仅解决了AI视频生成依赖首尾帧控制续写的局限，更通过“生成中可交互”功能赋予用户创作主导权。田博则指出，AI视频生成技术仅用一年时间便完成电影行业50年的技术演进，为编剧与内容创作者开辟了前所未有的想象空间。
从应用场景看，AI长视频生成技术显著降低了视频创作门槛，助力个人创作者产出更完整、优质的内容，同时为企业用户、影视及广告行业提供高效低成本的解决方案。目前，该技术已广泛应用于百度客户的营销创意中，知名视效指导姚骐曾使用蒸汽机2.0制作科幻短片《归途》，将制作成本压缩至数百元，验证了其商业化潜力。
作为全球首个中文音视频一体化生成模型，百度蒸汽机自今年3月首发以来持续迭代：5月登顶VBench-I2V图生视频榜首；7月推出Turbo版模型及C端创作平台“绘想”，实现画面、音效与人声台词的协同创作；8月完成音视频一体化升级，支持多人有声视频生成；如今再次突破时长限制，成为行业首个具备“无限”生成能力的通用AI视频模型。
数据显示，蒸汽机Turbo版上线两周注册用户量突破20万，单小时任务提交量达1.8万次，累计生成内容超200万条。据透露，该模型将于10月中旬进一步升级，新增实时交互长视频生成功能，涵盖可交互数字人、VR/AR视频内容及动态游戏世界生成能力，持续推动AI视频技术边界拓展。
