字节跳动发布AI视频模型Waver 1.0，开启视频创作新时代
[ad_1]
字节跳动正式发布了其全新的AI视频模型Waver 1.0，这一突破性的技术成果为视频生成领域带来了前所未有的变革。Waver 1.0不仅支持多种艺术风格的视频生成，还在视频质量、时长和分辨率等方面实现了重大提升，为创作者们提供了更为强大的创作工具。
Waver 1.0是一款集成了文本到视频（T2V）、图像到视频（I2V）和文本到图像（T2I）生成功能的一体化模型。这意味着创作者无需在不同模型之间切换，就能根据自己的创意需求，轻松将文字描述或静态图片转化为生动的视频内容。无论是创作故事短片、广告视频，还是制作社交媒体上的吸睛短视频，Waver 1.0都能满足多样化的创作需求。
该模型能够直接生成5-10秒、原生分辨率为720p的视频，并可通过后期处理进一步超分至1080p，输出的视频画质清晰、细节丰富，达到了专业级别的视觉效果。此外，Waver 1.0在复杂运动捕捉方面表现出色，能够精准呈现物体的大幅度运动和细腻动作，使生成的视频更加流畅自然，极大地提升了视频的真实感和观赏性。
在艺术风格方面，Waver 1.0支持包括极致写实、卡通动画、黏土风格、毛绒质感以及赛博朋克等在内的多种风格，创作者可以根据视频的主题和情感基调，自由选择合适的风格，为作品赋予独特的视觉魅力。这种丰富的风格选择不仅拓宽了创作者的创意空间，也为观众带来了更为多元的视觉体验。
对于需要讲述复杂故事的创作者来说，Waver 1.0的多镜头叙事功能无疑是一大福音。它能够自动生成多个连贯的镜头，并在镜头切换和时空转换过程中，确保核心主体、视觉风格和整体氛围的高度一致，让视频的叙事更加流畅、自然，有效避免了因镜头衔接不当而导致的“跳戏”问题。
Waver 1.0的强大性能得益于其背后一系列的技术创新。例如，混合流DiT架构通过在浅层对视频和图像模态信息进行分离处理，在深层实现融合，显著提升了模态对齐能力，加速了训练收敛速度；双文本编码器系统则能够更精准地理解创作者输入的文本指令，从而生成更贴合需求的视频内容；级联精炼器能够将原生720p的视频高效提升至1080p，同时修复视频中的瑕疵，提升视频的整体质量。
