破局多主体互动和一致性难题
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。
基于此，全新设计的扩散模型训练方法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、氛围的一性。
这被称为是这次豆包视频生成模型“独树一帜的技术创新”。
网易科技了解到，此前经过剪映、即梦AI等业务场景打磨，豆包视频生成模型已经具备专业级光影布局和色彩调和。不仅如此，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，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。
这样的泛化能力，正是当下，豆包视频生成模型的想象空间，出手ToC，剑指ToB。
