快科技9月24日消息，据媒体报道，字节跳动正式宣告进军AI视频生成。发布豆包视频生成-PixelDance、豆包视频生成-Seaweed两款大模型发布，面向企业市场开启邀测。
豆包视频生成”大模型凭借其卓越的语义理解能力、对复杂交互画面的精准捕捉以及多镜头切换下的内容一致性，成功跻身业界先进水平。
该模型不仅能够深度理解并响应复杂指令，驱动不同人物角色完成一系列精细的动作互动，更在细节处理上达到了极致，从人物样貌、服装的微妙变化到头饰的精准呈现，均能在不同运镜角度下保持高度一致，仿佛实拍般自然流畅。
值得一提的是，豆包视频生成”模型依托字节跳动自主研发的DiT（Dynamic Integration Transformer）架构，通过高效的DiT融合计算单元，实现了视频在大动态场景与多样运镜之间的无缝切换。这一技术突破赋予了视频变焦、环绕、平摇、缩放、目标跟随等多镜头语言能力，让视频创作更加自由灵动，满足了创作者对视觉表达的无限想象。
为了进一步提升视频创作的专业性和观赏性，豆包视频生成”团队还创新性地采用了全新设计的扩散模型训练方法。
这一方法有效攻克了多镜头切换过程中保持主体、风格、氛围一致性的技术难题，确保在镜头切换的瞬间，视频的整体氛围与细节表现依然和谐统一，为观众带来更加沉浸式的观看体验。
目前，豆包视频生成”系列模型已在即梦AI内测版中开启小范围测试，旨在收集宝贵的用户反馈，不断优化产品性能。
总结
**字节跳动进军AI视频生成领域，发布两款领先大模型**字节跳动于9月24日正式宣布进军AI视频生成领域，并发布了“豆包视频生成-PixelDance”与“豆包视频生成-Seaweed”两款自主研发的大模型，面向企业市场开启邀请测试。这两款模型凭借其卓越的语义理解能力、复杂交互画面的精准捕捉及多镜头一致性，成功达到业界领先水平。
“豆包视频生成”大模型不仅深度理解并迅速响应复杂的创作指令，精准控制人物角色的精细动作互动，同时在细节上也做到了极致，从人物样貌、服装的微妙变化到头饰的精准显示，均能在不同镜头切换下保持高度一致性和自然流畅性，仿佛实拍影像。
得益于字节跳动自研的DiT（Dynamic Integration Transformer）架构，模型实现了视频在大动态场景及复杂运镜下的无缝切换，支持变焦、环绕、平摇、缩放等多种镜头语言，极大地拓宽了视频创作的自由度与灵活性。这一技术革命让视频的视觉表达更加丰富多样，满足了创作者对创意实现的无限遐想。
为了进一步提升视频创作的专业水平与观赏体验，“豆包视频生成”团队还引入了创新的扩散模型训练方法，有效解决了多镜头切换中保持主体、风格、氛围一致性的技术难题。该方法确保了镜头切换的连贯性与和谐性，使观众能够享受到更加沉浸式的观看体验。
目前，“豆包视频生成”系列模型已进入即梦AI内测版的小范围测试阶段，旨在收集用户反馈并持续优化产品性能，以满足未来更广泛的应用需求。这一举措标志着字节跳动在AI视频生成领域的坚实迈进，为视频创作与制作带来了全新的可能性。 视频生成大模型视频创作一致性ai视频ai视频生成沉浸式动态场景人物角色语义理解transformer模型训练用户反馈扩散模型创作者内容一致细节处理媒体报道
