百度搜索近日对文心助手的AIGC创作能力进行了全面升级,新增AI图片、视频、音乐、播客等八大创作模态,并支持一键调用多工具解决多样化场景需求。此次升级的核心亮点在于视频生成模型“百度蒸汽机”的技术突破,其长视频生成能力与实时交互功能引发行业关注。
百度蒸汽机模型自今年5月进入AI生视频赛道以来,便以VBench-I2V全球榜单第一的成绩崭露头角。此次升级中,该模型突破了传统AI视频生成10秒左右的时长限制,支持通过单张图片与文本提示生成任意时长的长视频,并首次实现“实时交互”功能——用户可在生成过程中随时暂停、修改提示词,调整剧情走向。例如,在演示沙漠赛车视频生成时,模型可根据用户需求实时生成不同比赛结果(银色车或黄色车胜出),现场效果赢得掌声。
技术层面,百度商业研发首席架构师李双龙透露,升级后的蒸汽机模型引入自回归扩散模型(Autoregressive Diffusion Models),结合自回归的长序列能力与扩散模型的一致性优势,通过流式滑窗架构实现低成本无限外推与实时生成。用户可实时预览生成内容,无需等待完整视频输出。同时,模型通过全局规划与局部参考优化,解决了长视频生成的连续性问题,并依托工程优化将推理耗时压缩至接近实时水平。
在应用场景上,蒸汽机模型的长视频生成能力已受到营销与娱乐领域用户的青睐。百度副总裁赵世奇与陈一凡在采访中表示,受Sora 2等国际产品启发,百度正通过大模型技术降低AI生视频的使用门槛,丰富用户玩法。目前,用户可通过百度搜索、百度APP或绘想平台(https://huixiang.baidu.com)体验新功能,创意视频生成时长限制为1分钟,但技术层面支持无限时长生成。
除视频生成外,蒸汽机模型还拓展了数字人与开放世界场景。其支持的实时交互数字人可实现沉浸式互动,应用于AI导购、教育陪伴等领域;开放世界生成功能则允许用户自由创建游戏地图、虚拟旅游场景或宇宙空间。百度商业体系商业研发总经理刘林指出,降低创作门槛后,AI生成内容的质量与完整性显著提升,有助于创作者变现。
据统计,目前每日有千万量级的AIGC内容通过文心助手创作产生。李双龙透露,蒸汽机模型的下一步技术迭代将聚焦“有声一体化、多人互动与长视频优化”,进一步拓展创作边界。