IXThinker·2026-06-03 18:10

字節開源影片框架Bernini 先理解後生成

影片生成模型常被詬病「聽不懂人話」，指令執行機械、意圖理解缺位。字節跳動商業化技術團隊開源統一框架Bernini，主張先理解創作者意圖再動手生成，讓多模態大模型負責規劃、擴散模型負責渲染。

聽不懂人話的痛點

影片生成工具最令創作者頭痛的，往往不是畫質不夠清晰，而是模型常聽不懂指令：想把晴天改成雪天，它可能只會往畫面撒雪花；想把動畫植入商場大屏幕，邊界又飄忽、透視不穩。