字节开源Bernini:AI视频编辑终于能听懂人话了
01字节开源Bernini框架:多模态规划解决可控性难题
02SA-3D RoPE机制应对多素材时空混淆
03动作连贯性与环境一致性双重突破
04开源门槛与硬件配置明细
目前开源的Bernini-R版本对应三阶段训练流程中的第二阶段模型,聚焦视觉渲染模块,完整集成MLLM规划器的全功能版本预计近期开放。当前版本默认输出分辨率为480p、帧率16fps,推荐使用Hopper架构GPU(如H100/H800/H200),需Python 3.11.2与CUDA 12.4环境支持。单卡可运行图像任务,视频任务通常需8卡并行。模型采用Apache 2.0协议,推理代码与权重已通过GitHub及Hugging Face开放,允许商业用途。该配置门槛低于行业同类方案,例如Seedance 2.0训练侧算力需求约1-1.5万张H100等效卡,而Bernini-R的轻量化设计更适配中小团队部署。267
05行业背景:AI视频成本与“抽卡”痛点
当前文章无评论,是时候发表评论了