百度旗下視頻生成模型“蒸汽機(jī)”近日完成重大技術(shù)突破，首次實(shí)現(xiàn)AI長視頻實(shí)時(shí)交互生成功能。該模型通過流式視頻生成技術(shù)，成功突破傳統(tǒng)AI視頻10秒左右的時(shí)長限制，將內(nèi)容創(chuàng)作模式從單向輸出升級為雙向協(xié)作，為AIGC（人工智能生成內(nèi)容）領(lǐng)域開辟了全新范式。

技術(shù)核心方面，模型采用流式生成與動(dòng)態(tài)緩沖區(qū)管理機(jī)制，結(jié)合幀級噪聲獨(dú)立控制與歷史參考幀優(yōu)化技術(shù)，理論上可實(shí)現(xiàn)“無限時(shí)長”視頻生成。實(shí)測顯示，其畫面連貫性顯著優(yōu)于傳統(tǒng)“首尾幀續(xù)寫”技術(shù)，例如在生成的西部牛仔風(fēng)格視頻中，人物行走、鏡頭搖移等復(fù)雜運(yùn)鏡可實(shí)現(xiàn)一鏡到底的流暢效果。推理效率方面，經(jīng)工程優(yōu)化的模型超越國內(nèi)主流產(chǎn)品，相比Vidu 2.0等模型“10秒生成4秒視頻”的效率，實(shí)現(xiàn)了質(zhì)的飛躍。

交互體驗(yàn)的革新是此次升級的亮點(diǎn)。用戶僅需上傳單張圖片與提示詞即可啟動(dòng)生成，過程中可隨時(shí)暫停或修改提示詞，實(shí)時(shí)調(diào)整視頻劇情、畫面及轉(zhuǎn)場效果。例如在生成賽車動(dòng)畫時(shí)，用戶中途修改提示詞可立即改變賽車順序與背景，全程無需重新渲染。這種“無限畫布”式創(chuàng)作模式，使AI視頻工具從被動(dòng)素材生成器轉(zhuǎn)變?yōu)閷?shí)時(shí)協(xié)作的創(chuàng)作伙伴。

同步推出的兩大功能進(jìn)一步拓展應(yīng)用場景：可交互數(shù)字人支持沉浸式雙向互動(dòng)與情感識(shí)別，可應(yīng)用于AI導(dǎo)購、教育、陪伴等領(lǐng)域，例如在導(dǎo)購場景中能根據(jù)用戶提問實(shí)時(shí)調(diào)整產(chǎn)品演示；開放世界動(dòng)態(tài)構(gòu)建功能允許用戶自由操控AI生成的游戲地圖、旅游景點(diǎn)或宇宙空間，場景細(xì)節(jié)隨交互實(shí)時(shí)渲染，解決了傳統(tǒng)預(yù)生成內(nèi)容的僵化問題。

自今年5月以來，“蒸汽機(jī)”模型持續(xù)迭代，已先后實(shí)現(xiàn)音視頻一體化生成、多人對話生成、移動(dòng)端適配等功能。此次長視頻實(shí)時(shí)交互功能的推出，將進(jìn)一步推動(dòng)AI視頻在影視預(yù)演、互動(dòng)娛樂、個(gè)性化營銷等領(lǐng)域的應(yīng)用，助力AIGC從“素材生成工具”向“內(nèi)容共創(chuàng)平臺(tái)”轉(zhuǎn)型。

百度商業(yè)研發(fā)總經(jīng)理劉林指出，長時(shí)一致性與實(shí)時(shí)交互技術(shù)的結(jié)合，標(biāo)志著AIGC從“素材生產(chǎn)”向“內(nèi)容共創(chuàng)平臺(tái)”的關(guān)鍵跨越。業(yè)內(nèi)分析認(rèn)為，該技術(shù)將加速AI視頻在互動(dòng)娛樂、虛擬社交等領(lǐng)域的落地，推動(dòng)內(nèi)容產(chǎn)業(yè)進(jìn)入“低門檻、高創(chuàng)意”的新階段。