百度近日正式推出了其蒸汽機2.0大模型，這一創(chuàng)新技術標志著全球首個支持中文音視頻一體化生成的大模型的問世。蒸汽機2.0在原有圖像生成視頻的基礎上，新增了“有聲版”，實現(xiàn)了環(huán)境音效、人聲對白及嘴型同步的全方位支持，真正做到了畫面與聲音的同步生成。YRJ28資訊網(wǎng)——每日最新資訊28at.com

該模型的最大亮點在于其“形神音容”一體化生成能力，將以往需要分別完成的視頻畫面、配音效與對白同步三個步驟，整合為一次生成完成，極大地提升了效率。這一突破性的技術革新，被形象地比喻為“三步并一步”。YRJ28資訊網(wǎng)——每日最新資訊28at.com

在價格方面，蒸汽機2.0 Turbo有聲版的定價為每5秒1.4元，據(jù)百度透露，這一價格相較于行業(yè)平均成本，大約低了三成，顯示出其強大的競爭力。YRJ28資訊網(wǎng)——每日最新資訊28at.com

從技術細節(jié)上看，蒸汽機2.0模型引入了更為復雜的鏡頭語言，如“繞鏡”等動態(tài)運鏡方式，同時配合大規(guī)模提示詞理解能力的升級，使得用戶即使輸入簡短的自然語言，也能生成畫面流暢、鏡頭調(diào)度自然的視頻內(nèi)容。這一改進，無疑為用戶提供了更加便捷和高效的使用體驗。YRJ28資訊網(wǎng)——每日最新資訊28at.com

YRJ28資訊網(wǎng)——每日最新資訊28at.com

在聲音方面，蒸汽機2.0模型不僅同步生成環(huán)境聲與人聲，還努力做到人物動作與唇形的精準匹配。該模型支持“多人對話、嘴型對齊、角色情緒同步”等多模態(tài)生成任務，背后由“多模態(tài)潛在空間規(guī)劃”機制支撐，能在建模階段統(tǒng)一規(guī)劃角色身份、語氣、對話內(nèi)容與視覺呈現(xiàn)，確保生成的視頻內(nèi)容整體感強、敘事一致。YRJ28資訊網(wǎng)——每日最新資訊28at.com

百度還特別強調(diào)了蒸汽機2.0在中文場景下的適配能力，包括中文發(fā)音結構的唇形匹配、語境識別與本地化音色模擬，使得生成的中文視頻內(nèi)容在語境下具備更高的擬真度。YRJ28資訊網(wǎng)——每日最新資訊28at.com

在實際體驗中，蒸汽機2.0展現(xiàn)了其多樣化的生成能力。無論是沖浪者與巨浪共舞的震撼場景，還是海底世界美麗魚群的細膩描繪，蒸汽機2.0都能以逼真的畫面和流暢的動作呈現(xiàn)。同時，在創(chuàng)意簡單表達、極速生成的Lite版本中，雖然背景人物動作偶爾有些僵硬，但整體畫面氛圍和細節(jié)處理仍令人印象深刻。YRJ28資訊網(wǎng)——每日最新資訊28at.com

YRJ28資訊網(wǎng)——每日最新資訊28at.com

在有聲版體驗中，蒸汽機2.0對于音效和對話的生成也展現(xiàn)出了不俗的實力。盡管在初次嘗試中，模型對于提示詞的理解存在些許偏差，但在調(diào)整提示詞后，模型能夠準確地還原角色的臺詞、音色和語氣，同時嘴型同步效果也十分清晰，聲音生成與畫面的銜接自然流暢。YRJ28資訊網(wǎng)——每日最新資訊28at.com

百度蒸汽機2.0的推出，無疑為音視頻生成領域帶來了新的突破。雖然聲音生成的準確性和口型協(xié)調(diào)仍有待進一步提升，但其在“形神音容”一體化生成方向上邁出的這一步，無疑為未來的技術發(fā)展奠定了堅實的基礎。YRJ28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://m.rrqrq.com/showinfo-26-178080-0.html百度蒸汽機2.0有聲版體驗：鐘馗開口，音畫同步效果初顯

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 酒店機器人：風光背后，盈利難題待解

下一篇： vivo Vision探索版亮相：8K雙目屏，支持1000度近視鏡片，重量僅398g