MuseSteamer 是百度在 2025 年 7 月 2 日發布的視頻生成模型。它能同時生成畫面、音效和臺詞，是首個實現中文音視頻一體化生成的模型，改變了傳統 aiGC 視頻先畫面后配音的模式。百度還同步推出了 AI 視頻創作平臺 “繪想”。

功能特點：

• 音視頻一體化生成：全球首個實現中文音視頻一體化生成的視頻模型，能夠實現畫面與音效、人聲臺詞的協同創作，打破了傳統AIGC視頻“先畫面后配音”的割裂流程。
  

• 多模態輸入：支持中文文本提示、參考圖像等輸入方式。

• 視頻生成：可生成長達 10 秒的動態視頻，畫質出色，能靈活控制場景、動作和鏡頭感，實現音視一體化。比如生成的古裝武俠視頻，人物動作、表情自然，運鏡專業。

• 一體化生成：能同步生成畫面、音效和臺詞，聲音與畫面自然匹配，提升視頻的完整性和藝術表現力。

• 中文語義理解：精準理解中文語義，通過優化數據體系，確保文本指令與視覺元素的語義對齊。

• 視頻描述語言：采用精細化的視頻結構化描述語言，涵蓋畫面細節、主體運動軌跡、風格屬性和鏡頭語言等，保障模型對畫面細節的遵循。

技術突破：

• 億級中文多模態數據清洗：深度清洗大量中文多模態數據，確保訓練數據的高質量。

• 精細化視頻結構化描述語言：提升模型對視頻內容的理解和生成能力。

• 多目標強化學習：優化路徑，保證視頻動作幅度的同時，保持主體內容的一致性穩定輸出。

產品矩陣及適用人群：

• Lite 版：720p，生成速度快（30 秒），價格實惠，適合追求性價比的用戶。

• Turbo 版：720p，擅長生成人物、動漫視頻，動作一致性好，運動幅度大，表情自然，適合大部分創作者，已上線繪想平臺并開啟限時免費公測。

• Pro 版：1080p，電影級畫質和運鏡，表現力強，適合專業創作者和影視生產機構。

• 有聲版：各清晰度均支持一體化生成音效及臺詞，適合對同期聲和畫面有高要求的用戶。

應用場景：

• 視頻創作：幫助創作者突破創意瓶頸，快速生成高質量視頻。

• 廣告制作：為廣告視頻制作提供高效解決方案，提升吸引力。

• 教育與培訓：生成教育視頻和動畫，直觀解釋復雜概念。

• 個人娛樂：用戶上傳圖片即可生成個性化視頻，分享個人故事。