百度旗下视频生成模型“蒸汽机”近日完成重大技术突破，首次实现AI长视频实时交互生成功能。该模型通过流式视频生成技术，成功突破传统AI视频10秒左右的时长限制，将内容创作模式从单向输出升级为双向协作，为AIGC（人工智能生成内容）领域开辟了全新范式。
技术核心方面，模型采用流式生成与动态缓冲区管理机制，结合帧级噪声独立控制与历史参考帧优化技术，理论上可实现“无限时长”视频生成。实测显示，其画面连贯性显著优于传统“首尾帧续写”技术，例如在生成的西部牛仔风格视频中，人物行走、镜头摇移等复杂运镜可实现一镜到底的流畅效果。推理效率方面，经工程优化的模型超越国内主流产品，相比Vidu 2.0等模型“10秒生成4秒视频”的效率，实现了质的飞跃。
交互体验的革新是此次升级的亮点。用户仅需上传单张图片与提示词即可启动生成，过程中可随时暂停或修改提示词，实时调整视频剧情、画面及转场效果。例如在生成赛车动画时，用户中途修改提示词可立即改变赛车顺序与背景，全程无需重新渲染。这种“无限画布”式创作模式，使AI视频工具从被动素材生成器转变为实时协作的创作伙伴。
同步推出的两大功能进一步拓展应用场景：可交互数字人支持沉浸式双向互动与情感识别，可应用于AI导购、教育、陪伴等领域，例如在导购场景中能根据用户提问实时调整产品演示；开放世界动态构建功能允许用户自由操控AI生成的游戏地图、旅游景点或宇宙空间，场景细节随交互实时渲染，解决了传统预生成内容的僵化问题。
自今年5月以来，“蒸汽机”模型持续迭代，已先后实现音视频一体化生成、多人对话生成、移动端适配等功能。此次长视频实时交互功能的推出，将进一步推动AI视频在影视预演、互动娱乐、个性化营销等领域的应用，助力AIGC从“素材生成工具”向“内容共创平台”转型。
百度商业研发总经理刘林指出，长时一致性与实时交互技术的结合，标志着AIGC从“素材生产”向“内容共创平台”的关键跨越。业内分析认为，该技术将加速AI视频在互动娱乐、虚拟社交等领域的落地，推动内容产业进入“低门槛、高创意”的新阶段。
