百度视频生成技术再突破，蒸汽机模型50天大升级惊艳业界。
近日，百度旗下的视频生成利器——蒸汽机模型，迎来了上线后的首次重大更新，距离其初次亮相仅过去短短50天。此次升级，蒸汽机模型在功能性与经济性上均实现了质的飞跃。
技术层面，蒸汽机模型最令人瞩目的变化在于其成功实现了多人有声视频的一体化生成。这意味着，由模型产出的视频无需后期配音，人物的声音、表情、动作及嘴型均能实现精准同步，即便在复杂多变的场景下也能保持稳定输出。视频画面的清晰度与流畅度均有显著提升，运镜手法也更为多样与灵活。
经济层面，百度此番对蒸汽机模型的使用成本进行了大幅下调。据百度商业体系商业研发总经理刘林在发布会现场透露，使用蒸汽机模型Turbo版生成一段5秒720p的一体化有声视频，仅需1.4元。相比之下，行业内同类模型生成5秒720p无声视频的平均价格约为2元。此番降价，无疑将百度视频生成服务推至行业价格70%的新低点。
百度蒸汽机模型的迭代速度之快、降价幅度之大，相较于其旗下的文心系列大模型，显得尤为激进。百度副总裁、移动生态商业体系负责人陈一凡在接受采访时透露，蒸汽机模型从1.0到2.0的升级，是在需求驱动的基础上，叠加了技术的深度优化。这一转变，使得模型在短短50天内实现了技术与成本的双重突破。
值得注意的是，蒸汽机模型并非由百度负责基础技术的TPG部门研发，而是由MEG旗下的移动生态商业体系倾力打造。其主要服务对象为广告主与代理商，旨在满足其视频营销素材的高效制作需求。
陈一凡进一步解释，蒸汽机模型1.0版本侧重于算法与策略的研发，而2.0版本则更加注重大模型工程方面的优化。正是这一转变，使得模型在技术与成本上均取得了显著进步。百度商业体系对GPU架构的深厚积累，以及对如何通过调整训练集、算子等方式降低训练成本的独到见解，为此次升级提供了有力支撑。
蒸汽机模型自立项之初便明确了服务对象，上线一个月内便收集了大量客户反馈。广告客户对模型能力提出了更高要求，如运镜、画质、一致性及音画一体化等方面。此次升级，模型正是针对这些方面进行了重点改进。同时，针对部分客户反映的价格偏高问题，研发团队也通过优化训练成本，实现了价格的合理下调。
发布会现场，好莱坞视效指导姚骐展示了其团队使用蒸汽机模型制作的短片《归途》。该短片由40多个镜头、120段素材片段组成，其中包括20个10秒一体化有声片段和100个5秒有声片段，整个制作过程仅需一周时间。按照蒸汽机模型的最新定价计算，其制作成本仅为330.6元。这一案例，充分展示了蒸汽机模型在降低营销成本方面的巨大潜力。
当前，视频生成模型在营销素材生成等领域的商业价值正日益凸显。以快手为例，其视频生成模型可灵AI在今年第二季度的营收已达到2.5亿元，营收能力较此前大幅提升。据快手预测，可灵AI今年全年的营收将远超年初设定的目标。
