国信证券近日发布计算机行业研究报告：字节全新发布豆包AI视频模型，AI多模态有望迎来爆发期。

　　9月24日， 字节跳动旗下火山引擎在深圳举办AI创新巡展， 一举发布了豆包视频生成-PixelDance、 豆包视频生成-Seaweed两款大模型， 面向企业市场开启邀测。

　　新的模型在语义理解能力、 多个主体运动的复杂交互画面、 多镜头切换的内容一致性方面均有着非常大的突破， 大幅度改善过去ai视频不够连贯真实的问题。 火山引擎总裁谭待表示， 视频生成有很多难关亟待突破。 豆包两款模型会持续演进， 在解决关键问题上探索更多可能性， 加速拓展AI视频的创作空间和应用落地。

　　过往， AI视频由于连贯性难点一直无法解决， 看起来更像PPT动画。 不管是Sora、 runway等头部厂商，金年会棋牌官网 在展示中只具有镜头幅度大的能力， 无法展示人的复杂动作。

　　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。 全新设计的扩散模型训练方法更是攻克了多镜头切换的一致性难题， 在镜头切换时可同时保持主体、 风格、 氛围的一致性。

　　极致的运镜控制： 可以实现前后景变焦、 摇摄、 目标跟随、 升降镜头等各种复杂的运镜能力

　　当前AI视频在运镜控制方面， 基本集中在摄像机+运动笔刷两个功能上， 在大运镜和变焦能力有限。

　　本次豆包PixelDance的发布， 成功实现了各种360度围绕主体环绕、 前后景变焦、 摇摄、 目标跟随、 升降镜头等各种复杂的运镜能力， AI视频在运镜控制方面迎来重大提升。

　　据火山引擎披露， 截至9月， 豆包语言模型的日均tokens使用量超过1.3万亿， 相比5月首次发布时猛增十倍。

　　此前， 豆包大模型公布低于行业99%的定价， 引领国内大模型开启降价潮。 火山引擎总裁谭待认为， 大模型价格已不再是阻碍创新的门槛， 随着企业大规模应用， 大模型支持更大的并发流量正在成为行业发展的关键因素。

　　据火山引擎总裁谭待介绍， 业内多家大模型目前最高仅支持300K甚至100K的TPM(每分钟token数)， 难以承载企业生产环境流量。 例如某科研机构的文献翻译场景， TPM峰值为360K， 某汽车智能座舱的TPM峰值为420K， 某AI教育公司的TPM峰值更是达到630K。 为此， 豆包大模型默认支持800K的初始TPM， 远超行业平均水平， 客户还可根据需求灵活扩容

　　免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　两项大规模研究显示，常喝可乐/果汁或咖啡，或增加脑中风风险，而喝茶可降低风险

　　人民日报主管主办，专注能源行业报道的垂直媒体，是能源专业产经传媒平台。

　　谷歌27亿美元挖走明星创始人及精英团队，Character.ai放弃AI大模型研发

　　5999元 索尼新款27寸显示器上市：4K 160Hz屏、背光扫描技术

　　NZXT推出N9 X870E主板：简洁美学设计、20+2+1路110A SPS供电