《科创板日报》称，字节跳动旗下大模型 AI 助手豆包正式推出视频生成内测，支持图片文字一键成片、动态运镜和多镜头一致性、风格比例随意挑选。
据火山引擎总裁谭待介绍，豆包视频生成大模型支持多风格多比例的一致性多镜头生成，可应用在电商营销、动画教育、城市文旅、微剧本等领域。他表示，无论是语义理解能力，多个主体运动的复杂交互画面，还是多镜头切换的内容一致性，豆包视频生成大模型均达到业界先进水平。
此前视频生成模型大多只能完成简单指令，豆包视频生成模型则能实现自然连贯的多拍动作与多主体复杂交互。有创作者在抢鲜体验豆包视频生成模型时发现，其生成的视频不仅能够遵循复杂指令，让不同人物完成多个动作指令的互动，人物样貌、服装细节甚至头饰在不同运镜下也保持一致，接近实拍效果。
据火山引擎介绍，豆包视频生成模型基于 DiT 架构，通过高效的 DiT 融合计算单元，让视频在大动态与运镜中自由切换，拥有变焦、环绕、平摇、缩放、目标跟随等多镜头语言能力。豆包视频生成模型具备专业级光影布局和色彩调和，画面视觉极具美感和真实感。
深度优化的 Transformer 结构，则大幅提升了豆包视频生成的泛化能力，支持 3D 动画、2D 动画、国画、黑白、厚涂等多种风格，适配电影、电视、电脑、手机等各种设备的比例，不仅适用于电商营销、动画教育、城市文旅、微剧本等企业场景，也能为专业创作者和艺术家们提供创作辅助。
目前豆包视频生成模型 Pixeldance 和 Seaweed 已在火山引擎开启邀测，企业可通过火山引擎官网邀测报名入口提交测试申请。AI在线注意到，即梦 AI 已经接入了豆包视频生成模型，正在进行小范围内测。
相关阅读：
《豆包大模型发布视频生成模型，语义理解精准、画质高保真》
《豆包视频生成大模型正式发布，首次突破多主体互动难关》
《字节跳动豆包视频生成大模型发布：首次突破多主体互动难关，支持多风格多比例的一致性多镜头生成》
