字節跳動於2025年8月正式推出了全新一代AI視頻生成模型Waver 1.0,這是一次在人工智慧視頻生成領域的重要技術突破。Waver建立在修正流Transformer架構基礎上,旨在統一處理文本到視頻、圖像到視頻及文本到圖像三種生成任務,以一個模型滿足多樣化的創作需求,顯著提升了生成效率與視覺質量。
Waver支持生成長度靈活在2至10秒之間的視頻,最高分辨率可達1080p,畫面清晰細膩,動態表現流暢自然。這使其非常適合於短視頻、動畫、廣告製作等多種場景。同時,它具備強大的複雜運動建模能力,能捕捉籃球比賽、體操表演、網球對戰等動作幅度大、節奏快的場景,保持時間與動作的高度一致性,遠超過傳統模型的表現。
Waver的一大亮點是多鏡頭敘事能力,能自動生成連貫多鏡頭視頻,維持主題、風格與氛圍的整體統一,防止鏡頭切換帶來的不連貫感。這使得創作者能輕鬆製作出具有專業水平的短片故事。此外,Waver還支持多種藝術風格,包括極致現實、動畫、黏土、毛絨等,讓用戶能根據需求自由調整視頻的視覺風格,滿足不同的創意表達。
技術方面,Waver採用雙文本編碼器與級聯精煉器設計,提高對文本提示的理解精準度,確保生成內容切合用戶需求。研究團隊將其訓練方法與模型細節公開於學術論文及GitHub,促進開源社區的技術交流與創新應用。
在實際應用中,Waver可大幅降低視頻製作門檻,幫助內容創作者快速生成高質量視頻,節省人力成本。它已獲得多個國際AI視頻生成評測平台的肯定,位列頂尖模型行列。字節跳動透過Waver,展示了其在AI多模態創作領域的強大研發實力與市場前瞻性布局。
總結來說,Waver AI是字節跳動在AI視頻生成領域的代表作,融合了統一架構、高分辨率、多鏡頭敘事及多風格支持等多項先進技術,推動視頻內容創作進入專業化與智能化的新時代。隨著技術不斷完善與應用場景拓展,Waver有望成為影視、廣告、娛樂及數字媒體產業創意生產的重要引擎。