字节开源Bernini:AI视频生成终于能精准可控了
01从随机生成到精准控制
02多模态输入与三维空间建模
| 维度 | Bernini | Runway Gen-4/4.5 | Pika 1.5 | Luma Dream Machine |
|---|---|---|---|---|
| 核心架构 | MLLM语义规划 + DiT扩散渲染解耦结构 | 端到端商业视频扩散模型(闭源优化) | 轻量扩散视频生成模型 | 大规模视频扩散Transformer架构 |
| 任务覆盖 | 生成 + 编辑 + 参考驱动统一框架 | 生成 + 高质量视频编辑 | 短视频生成 + 基础编辑 | 长视频生成 + 文本到视频 |
| 可控编辑能力 | 语义级控制(MLLM规划 + 局部编辑保持) | 较强(商业优化编辑流程) | 中等(提示词驱动为主) | 中等偏强(长视频一致性较好) |
| 多参考输入 | 支持文本/图像/视频/多角度/材质融合 | 支持图像参考 | 支持基础图像参考 | 支持图像参考与风格控制 |
| 开源程度 | 权重+代码开源 | 闭源 | 部分开源 | 闭源 |
03降低后期成本与开发门槛
当前文章无评论,是时候发表评论了