字节豆包视频大模型-主打时序性复杂动作指令和交互能力
思瀚产业研究院    2024-10-19

字节跳动正式进军 AI 视频生成领域，其数据、技术和人才等储备深厚。2024 年 9 月 24 日，2024 火山引擎 AI创新巡展在深圳举办，发布了两款豆包视频生成大模型——PixelDance 和 Seaweed，开启了邀测阶段。9 月 25日，视频大模型赋能的字节 C 端产品——即梦正式开启内测邀请。

1）PixelDance V1.4 是基于 DiT 结构的视频生成大模型，同时支持文生视频和图生视频，能够一次性生成长达10 秒的精彩视频片段。模型可完成时序性多拍动作，支持多主体复杂交互，还拥有丰富的运镜效果，多风格多比例兼容性强，能快速生成优质的视频片段，赋能影视创作，广告传媒，短视频，直播，电商等多个场景。

2）Seaweed 视频生成大模型基于 Transformer 架构，支持文生视频和图生视频。利用时空压缩的潜空间进行训练，模型原生支持多分辨率生成，适配横屏、竖屏，并能够根据用户输入的高清图像分辨率进行适配和保真。默认输出为 720p 分辨率、24fps、时长 5 秒，并可动态延长至 20-30 秒。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。