当万相2.5刚开卷有声视频，7月已经发布音频一体化的百度蒸汽机又开卷长视频了

🍹 Insight Daily 🪺

Aitrainee | 公众号：AI进修生

Hi，这里是Aitrainee，欢迎阅读本期新文章。

牛逼了，以往聊AI视频是画面多真、角色多稳 or 对物理世界的理解。

今天来了一个可以生成任意长度视频，并且生成中可以随时终止、提交新的prompt。

百度的这个想法确实不错，视频无限生成（AI长视频）感觉会是一个趋势。

通用大模型卷，AI视频模型也卷得飞起

Veo3 火，大家都知道它的一大特点就是音视频一体生成，昨天Wan2.5也是支持音视频一体化了，而其他的（即梦、可灵等等）都是割裂的流程，先生成画面再配音频。

不过查了一下，第一个中文音视频一体化视频视频生成模型应该也是百度的：他们在7月份发布了MuseSteamer蒸汽机视频生成模型，可实现画面与音效、人声台词的协同创作。

今天他们也是把这个模型升级了：突破5s和10s的限制，逻辑上可以生成任意长度，同时生成的过程中可以更新prompt进行交互式生成

输入网址 https://huixiang.baidu.com 平台使用。

具体细节如下：

流式长视频生成体验的长视频模型，模型推理出多少，就能看到多少。 图+prompt输入，长视频直接生成，用户可自行调整需要生成的视频长度（10-1min区间） 可灵、即梦暂时没有此能力，目前主要推出的长视频产品主要还是基于首尾帧能力，操作流畅度差。

19秒丛林探险镜头一镜到底

百度蒸汽机MuseSteamer 生成的19S 丛林探险的氛围镜头，动态感十足，把我们瞬间带入了这个丛林探险的氛围里。

开场是一个非常经典的跟随镜头，人物稳定在画面中心，你可以看到时的随着镜头移动，光影也会发生变化。

最后5秒指令是“环绕到人物正面”。镜头非常流畅地从人物的侧后方划过一道弧线，最终来到了他的侧前方，露出了人物的侧脸和表情。

整个过程非常连贯，人物模型、背包、衣物都没有出现闪烁或变形，带有弧度的环绕运镜，提升了视频的电影质感。

prompt：1—5s镜头跟随，人物快速向前走。6—10s镜头跟随，人物向前走向楼梯。11—15s人物向前走，镜头跟随，右摇16—20s人物向前走，镜头跟随，右摇，环绕到人物正面

前面的AI视频创作更像是5s、10s开次盲盒，比如一个60秒的短片有6次需要卡住，然后在那疯狂roll，并且超过10s的部分得靠首尾帧来拼接，这是没有这种长视频这么连贯的。

现在开盲盒的时间可以缩短到几帧，生成中随时可通过提示词去创作后面的剧情，还能基于现有画面随时修改剧情。。

《荒野大镖客》即视感，AI生成的西部片段

20s西部牛仔镜头：模型理解了“向前走”，还能理解“镜头右摇”、“推门进去”这种包含动作、运镜、交互的复合指令。每一次“续写”，新的画面能与之前的内容丝滑无缝地衔接；人物的服装、步态，还是环境的光影、尘土，都保持了完美的一致性。

prompt：1—5s镜头跟随，牛仔走向右方马车。6—10s人物向前走，镜头跟随。11—15s人物向前走，镜头跟随，右摇16—20s镜头跟随，牛仔推开门进去。

你可以随时暂停，根据已生成的画面，提出新的想法和指令，引导剧情发展。这就像拥有了一块无限大的画布，灵感迸发时可以随时修改和添加，让创作过程变得更灵活、更可控。

小纸船漂流（26s）

船在水中随着水流的湍急与平缓，产生自然的颠簸、旋转和摇晃。水流撞击在石头上会溅起真实的水花和泡沫，水面上的光影反射也随着水波的荡漾而不断变化。

从头到尾，这只黄色的纸船始终保持着它固有的形态和结构，没有突然多一个角，也没有在水流中“融化”。同样，周围的环境，无论是石头、野花还是远处的树林，都保持着风格和形态一致性。

prompt：小纸船在小河里漂流

小鸭子水中嬉戏（17s）

让一群相似的主体同时保持稳定，并且各自拥有独立的、合理的动态。视频涉及场景转换：从水中到陆地。

小鸭子在水中游动时，水面泛起的涟漪和它们清晰的倒影，阳光洒在水面上形成的波光粼粼的效果.

随着小鸭子们的行进路线，视频的镜头有一个平滑的摇摄（Pan）运镜。增强了视频的沉浸感和故事性。

当小鸭子们走上岸，阳光照射在它们黄色绒毛上时，你可以清晰地看到绒毛的质感和边缘的光晕。它们的影子也随着身体的移动和地形的变化而产生自然拉伸和变形。

prompt：小鸭子在水中嬉戏，有几只喝水，有几只划水，接下来排着队往前游，游到了岸边，拍打着小翅膀，往前边的草地上走去。

堪比高预算3DCG的质感：二次元少女环绕镜头

MuseSteamer 支持首尾帧，输入：首尾帧、prompt：镜头环绕着人物

人物的发丝动态效果、毛发物理的真实度、光影氛围营造得可以说是非常逼真了。整个感觉就是一个很流畅的感觉。

每一缕头发，从内层的深色到底层的橙色再到外层的银白色，都有独立的动态。它们在“风”的作用下，飘动、散开、再聚合，层次分明，灵动飘逸，没有一丝僵硬或粘连感。

逆光穿过发丝缝隙，形成了美丽的轮廓光和体积光，让整个头部显得通透而富有立体感。发丝的每一次飘动，都伴随着光影的细腻变化。

在AI视频这条赛道上，各家大厂都在加速狂奔

我们来看一下这张“AI视频生成模型技术发展路径图”：

国内第一个实现“音视频一体”的是百度蒸汽机1.0。

8月——蒸汽机2.0多人有声，8月份这个版本主要是多人的。据悉，百度蒸汽机视频生成模型主打“多人对话音视频一体化生成”。用户仅需输入一张参考图和一段文本描述，即可直接生成具备电影级质感、包含多人对话与精准口型同步的视频内容。

prompt：身穿古代盔甲的武士坐在开阔场地的木桌两侧，手持麻将牌进行牌局对战，两人嘴唇微动进行对话。麻将牌整齐排列在桌面的深色棋盘纹布上，背景可见随风飘动的军队旗帜。左边人物说话："将军，咱们在这打麻将不太好吧？" 右边人物说话："你是不是输钱输怕了？！"

9月——蒸汽机“流式无限生成”长视频，如图所示，这直接将视频时长从“5s”、“10s”提升到了“X min”，还支持生成过程中的交互需求。

可以看出，百度蒸汽机的技术规划算是极具前瞻性和体系化的，它并非零散的功能更新。

这种能交互的无限长视频，很可能就是AI视频模型未来竞争的核心。而百度蒸汽机这次，无疑是抢先一步，

百度对行业趋势的敏锐洞察和技术积累，可见一斑。

据业内人士认为，除了质量提升，百度蒸汽机2.0也带来了创作成本大幅下降。其价格也只是行业价格的70%。国际知名视效指导姚骐 在此次发布会现场展示了其用百度蒸汽机2.0制作的科幻短片《归途》，并表示：百度蒸汽机让好莱坞级大片镜头不再需要百万预算。

而AI长视频功能，有更多应用和商业化空间

影视行业中，会加速其工业化转型，AI 工具将逐步承担从分镜设计到后期渲染的全流程，重塑影视行业的生产链条，使中小团队也能制作高质量影视作品。

教育与培训行业则实现沉浸式革新，AI 视频生成技术可模拟复杂操作流程，为在线教育提供虚拟助教，支持多语言教学与个性化辅导，推动教育从 “单向灌输” 向 “交互式体验” 转型。

还有就是商业与营销的个性化实现爆发，广告行业将成为 AI 视频生成的主战场，使用AI 工具不仅使单条品牌或营销视频制作时间大幅缩短，企业也可通过数字人形象与用户实时互动，提升转化率等，正在做到像与真人交流一样。

所以你看，'蒸汽机'这个名字，百度确实起得有深意。 它不仅仅是动力与效率的象征，更是开创一个新时代的预言，印证了其定义AI视频新时代的野心和能力。

使用入口：可在百度搜索、百度APP、手机浏览器百度搜索上搜：「百度蒸汽机」或应用平台「绘想」，

或者直接输入网址: https://huixiang.baidu.com 平台使用。

🌟 知音难求，自我修炼亦艰，抓住前沿技术的机遇，与我们一起成为创新的超级个体（把握AIGC时代的个人力量）。