智通财经获悉，8月22日，可灵AI正式发布基于2.1模型的全新首尾帧功能，其效果较1.6模型提升 235%，在视频转场、视觉冲击力、复杂运镜及创意营销等维度表现卓越。专业评测显示，其整体GSB 得分全面超越Midjourney与Seedance1.0mini。可灵2.1首尾帧的推出，进一步提升了AI视频生成的可控 性，广泛适用于广告营销、影视、短剧、动画等创意制作场景。 ...

AI视频生成技术发展 - 百度蒸汽机音视频一体模型生成10秒有声片段成本仅约330.6元人民币[7] - 传统实拍或CG制作同类短片需花费数百万元成本[6] - 单个复杂好莱坞镜头成本可达数十万至上百万元[6] 行业竞争格局 - 快手可灵AI 2025年第二季度营业收入超2.5亿元人民币[8] - 赛道参与者包括字节、阿里、腾讯及MiniMax等创业公司[8] - 谷歌Veo3模型实现环境音与人物对话同步生成[8] 技术突破与局限 - 百度实现多人有声视频一体化生成 技术难点在于多角色动作与声音匹配[8] - 当前视频生成时长局限在5-10秒 因扩散模型架构下延长时长会导致成本指数级增长[9] - 视频时长从10秒延长至100秒可能使成本增加100倍[9] 商业化应用场景 - 短剧投流市场爆发推动视频生成模型自研需求[7] - 百度视频生成模型上线50天 主要用户包括内部搜索业务及企业客户[8] - 行业仍处起始阶段 未来市场空间被广泛看好[9]

核心观点 - AI视频生成面临的最大挑战之一是处理包含复杂情绪的中文对白，百度蒸汽机2.0通过全球首个中文音视频一体化生成技术解决了这一问题 [2][3][15] - 百度蒸汽机2.0将AI视频从"玩具"升级为"生产力工具"，专注于中文对话场景，简化创作流程为"一张图+一句话" [3][12][15] - 该技术显著降低了视频制作成本，如好莱坞级特效镜头生成成本从百万元级别降至数百元 [16][17] 技术突破 - 采用音视频一体化生成逻辑，声音和画面同步构思而非后期匹配，实现口型精准、情感自然的中文对话 [8][15] - 首创多模态潜在空间规划器技术，可自主规划角色身份、台词及互动逻辑 [9] - 支持1080p电影级画质和复杂运镜，对摄影术语理解准确 [13][14] 应用场景 - 适用于Meme二创、虚拟人对话、知识讲解、短剧制作等场景 [12] - 在品牌营销中实现传统需4-6周制作的奇幻场景，周期缩短至几天 [19] - 专业影视制作中可快速生成特效素材，如40多个镜头仅花费330.6元 [16] 产品性能 - 提供4款生成模型，支持5s或10s视频，分辨率达1080p [5][7] - 中文语音细节还原度高，支持东北话等方言 [10] - 人物表情、肢体动作流畅，与原始图片保持高度一致 [7][8] 行业影响 - 颠覆了内容创作门槛和权利，使导演梦普及化 [20] - 重塑内容行业成本公式和竞争规则 [19] - 推动AI视频从特效插件向完整叙事工具转变 [17][19]

多模态AI视频生成技术进展 - 多模态生成是AI未来发展方向，视频生成技术实现全链路覆盖：文字/语音→图像→视频，支持图片上传生成带音效视频并一键分享[1][2] - 百度蒸汽机2.0实现人物口型、表情、动作毫秒级同步，国产AI视频进入"有声有色"新阶段，运镜达到专业导演水准[4][5][6] - 技术突破包括时序对齐（口型与语音毫秒级同步）、多模态特征融合（语调对应微表情）、长时序连贯性、环境音效匹配及多角色交互精准定位[31] 百度蒸汽机2.0产品矩阵与商业化 - 推出Turbo版(720p/5s)、Lite版(轻量高效)、Pro版(1080p/电影级)、有声版(720p/5-10s音画一体)四大版本，全系价格仅为竞品70%，Turbo版5秒视频限价1.4元[8][10] - 通过百度搜索、APP及"绘想"平台开放体验，支持JPEG/PNG/WEBP格式输入，可添加背景音，实测显示单人吃播/多人对话/侧脸场景均表现自然[12][15][16][24] - 在VBench I2V评测中1.0版以89.38%总分全球第一，2.0版在指令遵循、运镜能力、叙事流畅度显著提升[32][33] 核心技术架构创新 - 首创LMMP(Latent Multi-Modal Planner)模型，通过扩散架构实现角色身份/台词/情感/互动的自动规划，保证多角色交互自然度与一致性[39] - 采用海量中文多模态数据训练，完成内容/人声/台词/环境音的信号抽取与对齐，构建专业镜头语言数据集[36][37] - 端到端训练音视频一体化系统，规划层与生成层相互校正，提升语义逻辑准确性，未来将拓展长视频生成技术[39][40] 行业应用与生态协同 - 模型深度融入百度搜索/内容/商业生态，降低创作门槛使普通用户可生成专业级视频，企业可低成本快速产出营销素材[42] - 好莱坞视效团队运用该技术，将2分钟科幻短片制作成本从传统上百万元降至330元，效率提升显著[44] - 开创应用驱动研发范式，形成"场景催生模型-模型反哺业务"闭环，强化搜索表现力与商业想象力[42]

百度蒸汽机2.0视频生成大模型升级 - 百度蒸汽机（MuseSteamer）视频生成大模型升级至2.0版本，主打多人有声音视频一体化生成[1] - 蒸汽机2.0擅长复杂运镜，镜头叙事能力更强，画质进一步提升[2] - 能够一体化生成人物表演、情绪、声音，细节精致如美人鱼鱼鳞和妆容[3] - 支持多种创意玩法，如古代武士打麻将、踩缝纫机绣花等[3] - 可将图片转换成不同风格的视频[3] 产品版本与特性 - 提供四个版本：Turbo版、Lite版、Pro版和有声版[6] - Turbo版：720p画质，应用广泛，生成5秒视频[6] - Lite版：720p画质，极致性价比，生成5秒视频[6] - Pro版：1080p超高画质[6] - 有声版：720p画质，一体化有声，生成5秒/10秒视频[6] - 全系模型已登陆百度智能云，企业用户可通过百度千帆大模型平台使用API服务[7] - 价格低至行业70%，Turbo有声版2.5元/秒，限时优惠1.4元/5秒[8] 技术优势 - 行业首次实现多人有声音视频一体化生成，语音与唇形、表情、动作毫秒级精准对齐[17] - 首创多模态潜在空间规划技术（Latent Multi-Modal Planner），自主协调多角色身份、情感与互动逻辑[17] - 深度适配中文场景，超98%还原度精准呈现中文语音细节与情感表达[18] - 端到端电影级画质生成，精准主体动态刻画，打造真实细腻人物表现力[19] - 大师级运镜控制，内置数十种专业镜头语言，精准响应文本指令[20] 应用场景与案例 - 研发由应用驱动，满足搜索、内容生态、信息流分发、垂类及商业业务需求[21] - 已在百度移动生态广泛使用，强化搜索、内容、商业等多模态体验[22] - 一汽大众揽境七夕营销案例：行业首支汽车类AIGC创意视频《揽境天阶·七夕重逢》[24] - 伊利倍畅成人羊奶粉营销案例：首支AIGC品牌宣传片《漂"羊"过海来看你》[25] - 好莱坞级大片镜头不再需要百万预算，专业影视视效指导姚骐用其制作科幻短片《归途》[14][12] 用户体验与展示 - 用户可通过百度搜索"百度蒸汽机"或登录"绘想"平台体验[5] - 展示效果包括自然音效的海边场景、科幻大片、穿越时空的趣味场景等[11] - 支持生成卡通视频，覆盖各种风格[12]

产品功能升级 - 可灵2.1模型开启全新首尾帧功能内测 显著提升视频生成效果 [1] - 新增自定义首尾帧图像功能 生成连贯高质量视频内容 [1] - 实现更加流畅的电影级运镜控制与丝滑自然转场效果 [1] 技术能力突破 - 精准理解复杂语义 有效克服转场生硬与文本响应不足等痛点问题 [1] - 大幅提升视频内容的一致性和稳定性 [1] 应用场景拓展 - 新功能特别适用于产品宣传片 AI电影 AI短剧等专业创作场景 [1]

行业市场前景 - 全球生成式AI市场规模预计突破1000亿美元 其中视频生成赛道规模达400亿美元成为核心增长引擎[1] - 短视频成为日常信息获取和娱乐的主要方式 视频创作者数量快速增长 高效视频工具需求呈指数级增长[1] - AIGC视频创作处于爆发临界点 行业正推动"全民创作平权"与"专业效率革命"的双轨探索[1] 产品定位与竞争格局 - 即梦AI依托抖音生态打造"全民创意引擎" 主打低门槛和高社区互动特性[1] - 万兴科技作为A股上市公司聚焦音视频垂直领域 推出全链路解决方案产品万兴天幕AI[1] - 两家公司代表中国AIGC视频工具差异化技术路径 成为行业标杆性产品[1] 定价策略与成本分析 - 万兴天幕AI标准版连续包月价格138元/月 低于即梦AI的199元/月[4] - 按活动首月优惠计算 万兴天幕AI仅需98元 较即梦AI的119元更具价格优势[4] - 万兴天幕AI单条视频生成成本0.35元 即梦AI单条成本0.5元 万兴成本仅为即梦的70%[4] 用户界面设计比较 - 两家产品均采用左右结构设计并保持简洁明快风格[6][9] - 即梦AI界面区分度不明显 万兴天幕AI操作指令性更清晰且对新手更友好[6][9] - 万兴天幕AI提供更专业的模块化功能选择 即梦AI具备进度提示功能[9][18] 文生视频性能测试 - 在"猫咪站在麦当劳后厨"测试中 两家产品均获得5分满分 完成时间分别为60秒和45秒[10][12] - 在"猫咪制作汉堡"复杂场景测试中 即梦AI得分4分 出现物体突然消失问题 万兴天幕AI得分4.2分 但提示词扩展不足[14][16] - 即梦AI具备提示词优化能力 能拆分复杂动作 万兴天幕AI在运镜控制方面表现优异[14][16] 产品功能特性 - 即梦AI提供画布功能模块 集成多图层编辑和AI生成与精细化修改能力[8] - 万兴天幕AI提供视频生成、续写、图片生成和音频生成等全链路功能[9] - 即梦AI注重社区互动和内容展示 万兴天幕AI强调工作流简化和模块化操作[8][18]

产品功能升级 - 快手旗下可灵2.1模型于8月15日开启全新首尾帧功能内测 [1] - 新功能支持用户自定义首尾帧图像生成连贯高质量视频内容 [1] - 升级带来更流畅的电影级运镜控制与丝滑自然转场效果 [1] 技术能力提升 - 模型实现精准复杂语义理解并提升文本响应能力 [1] - 功能显著增强视频一致性和稳定性 [1] - 有效克服AI视频生成中转场生硬和文本响应不足等痛点 [1] 应用场景拓展 - 新功能特别适用于产品宣传片等专业创作场景 [1] - 可支持AI电影和AI短剧等高阶视频内容制作 [1]

AI视频生成技术进展 - AI视频生成技术在成本优化和内容创新方面取得显著进展 快手可灵通过技术迭代实现推理成本下降 阿里Wan2.2的MoE架构可节省50%计算消耗 [1] - 行业普遍采用此类技术将降低用户使用成本并提升渗透率 AI参与度从50%提升至80% 真人实拍环节也可被AI工具替代 [1] - AI漫剧生成和转绘等新形态推动内容市场扩容 测算显示AI视频潜在空间达416亿美元 其中B端商业化空间约397亿美元（渗透率20%） P端创作者市场约38亿美元 [1] 行业趋势 - 视频时长延伸 年内或达1分钟 成本下降带动"更好更便宜" 新内容品类扩充供给 [1] - 技术突破与成本优化将加速产业趋势 尤其看好多模态AI应用出海布局的公司 其商业化进程或更快 [1] 港股科技ETF - 港股科技ETF（513020）跟踪的是港股通科技指数（931573） 该指数主要覆盖通过港股通渠道可投资的科技相关企业 [1] - 成分股以非必需性消费行业为主 同时涵盖汽车 药品及生物科技 资讯科技器材等多个恒生二级行业 旨在反映市场中科技板块的整体表现 [1] 基金产品 - 没有股票账户的投资者可关注国泰中证港股通科技ETF发起联接C（015740） 国泰中证港股通科技ETF发起联接A（015739） [2]

Pika音频驱动表演模型 - Pika推出名为"音频驱动表演模型"的新模型 允许用户上传音频文件结合静态图像生成高度同步的视频 实现精确口型同步 自然表情变化和流畅身体动作 [3][4] - 该技术可将任意静态图片与音频结合生成动态视频 如自拍搭配语音可实现口型神同步 眉毛挑动等细节精准匹配 生成时间仅需6秒 支持720p高清且视频长度不限 [6] - 目前功能仅限iOS端且需要邀请码 尚未全面开放 [7] 技术应用场景 - 适用于社交媒体内容创作 如生成说唱视频 脱口秀片段等 可快速制作创意短片和Meme [16][17] - 潜在应用包括游戏开发(NPC对话动画) 教育领域(生动讲解视频) 未来可能发展个人AI数字分身 [17] - 支持多语言音频输入 对不同语种表现良好 [14] 用户实测效果 - 网友测评显示唇同步准确性极高 有效避免AI视频常见"假唱"问题 说唱停顿处人物表情自然 但手部动作仍有瑕疵 [11] - 官方展示案例包括跨语言视频 脱口秀模仿和实景吐槽等 演员表现力突出 [12][15][16] 行业影响 - 技术显著降低视频制作门槛 传统需顶级特效师耗时半月的工作现可6秒完成 [6] - 可能引发新一轮创意视频爆发 但同时也带来虚假信息鉴别等新挑战 [17]