一键生成电影？百度蒸汽机 2.0 上新！

百度蒸汽机（MuseSteamer）音视频一体化模型完成重大升级，Turbo 版、Lite 版、Pro 版及有声版全面开放，首次实现多人有声音视频一体化生成，为 AI 视频领域开辟新赛道。

作为全球首个中文音视频一体化生成的 I2V 模型，2.0 版本的突破在于对底层架构的重塑。其多人有声视频技术，实现了复杂场景下语音与唇形、表情动作的毫秒级对齐，融合动作捕捉、语音识别合成等技术，大幅提升真实感。

视频+语音AIGC新体验

百度在功能性上做了很大的提升，百度蒸汽机2.0本次搭载了首创的多模态潜在空间规划技术，能自主协调多角色身份、情感与互动逻辑。如多人办公室对话场景，模型可依据角色职位、性格及对话内容，生成匹配的肢体语言与语音语调，保障叙事连贯性。

画质上，端到端电影级生成理念精准刻画主体动态，人物发丝飘动、皮肤质感等细节清晰，动作轨迹符合物理规律，带来极致视觉体验。大师级运镜控制内置推、拉、摇等数十种镜头语言，能精准响应文本指令，将创意视觉化。

成本层面，技术突破颠覆传统模式。国际视效指导姚骐用其制作的科幻短片《归途》，40 多个镜头生成超 120 个片段，成本仅百元，远低于传统制作费用。一汽 - 大众揽境的七夕营销视频、伊利倍畅的品牌宣传片，均通过该技术压缩周期、降低成本，实现创意高效呈现，兼顾内容与营销属性。

实际体验

让我们一起来看看实际使用效果吧：

官方创作案例

官方宣传的视频里可见可生成视频类型非常多样，人物之间的对话、动作、神态都非常的稳定，只需配合简单的提示语就可以生成很好的效果，但可生成时长只有5或10秒，来看看小编实际个人生成效果：

小编个人创作案例

小编个人使用下来发现，视频生成的质量和官方宣传片中的接近，个人体验感受：

画面：人物和场景保持的非常好，没有明显的变形崩坏，而且在表情动态上赋予了人物很自然的情绪，但使用中发现如果提示词文本过长，人物会出现崩坏的情况；

音频：人物语音节奏很自然，但音色会有股AI味，背景配音是让我比较惊喜的一部分，背景的风声、鸟叫都非常的真实而且与画面动态对齐且符合逻辑；

总体来说生成效果是不错的，相比于以往市面上的同类产品，提升最明显的莫过于视频+语音一体化生成的模式，再加上大师级运镜优化，接近一键生成电影片段的体验，但可惜的是在体验过程中，大部分时候都因为生成时长的限制，效果和内容量都大打折扣。

或成未来主流趋势

当今越来越多AI电影项目出现在网络上，各大厂商也在举办各种AI电影的制作大赛，可见音视频一体化生成已是AIGC发展的一大趋势，未来也许会做到输入一段文字给AI就能生成出音效震撼、画面出彩的电影。