百度搜索近日宣布，旗下文心助手AIGC创作能力迎来重大升级，推出涵盖AI图片、视频、音乐、播客等八大模态的创作矩阵，并同步发布行业首个开放式实时互动数字人智能体。此次升级标志着搜索引擎从传统信息检索工具向“全能创作与服务平台”的深度转型，同时突破了多项技术瓶颈，为用户提供更高效的创作与任务解决方案。
升级后的文心助手构建了全栈式创作能力，尤其在视频生成领域实现核心突破。依托百度蒸汽机（文心专精）模型的技术迭代，传统AI视频10秒左右的时长限制被彻底打破，用户输入一段文字即可生成3分钟的长视频故事，涵盖情节设计、角色建模、镜头运镜、配乐合成等全流程，且生成速度超越国内主流同类模型。平台还集成了“一句话写歌”“MV制作”“名场面模仿秀”等特色功能，搭配超30种特效模板，形成覆盖静态图像处理、动态视频制作、音频创作的完整生态链。
在创作场景的延伸上，文心助手已支持用户日均生成千万量级的AIGC内容，印证了多模态创作工具的规模化应用价值。据百度搜索相关负责人透露，后续即将上线的音乐数字人分身功能，将进一步实现“创作-演绎”的全链路AI赋能，为用户提供更沉浸式的创作体验。
除内容创作外，文心助手在任务解决能力上也实现了关键升级。通过构建多工具调用引擎，用户可一键触发跨领域服务，覆盖生活规划、健康咨询、教育辅导、职场办公等核心场景。例如，家长查询“小学生科学实验方案”时，系统可自动整合实验步骤文本、器材清单图片、操作演示短视频，并生成可打印的任务卡，无需用户多次切换工具。这种“需求-解决方案”的直达模式，体现了文心大模型对用户意图的深度理解与资源调度能力。
同日发布的开放式实时互动数字人智能体，成为本次升级的另一大亮点。该技术基于文心大模型4.5构建，融合NOVA数字人技术的核心优势，提供超拟真交互体验：通过10分钟真人样本数据即可复刻声音特征、动作习惯与微表情，口型准确率与表情自然度达到行业领先水平；采用云渲染与端渲染双引擎适配，兼容多终端场景，实时对话延迟控制在百毫秒以内；目前已接入法律、情感、旅游等领域的专家数字分身，用户可直接就专业问题展开深度对话，未来还将开放第三方开发者平台。
