// 01 绘想 是什么
什么是“绘想”
“绘想”是百度在 2025 年 AI Day 上发布的视频创作平台，核心是其自研的视频生成模型 MuseSteamer，联合实现用户只需上传一张图片，就能生成10秒钟的电影级动态视频—包含画面、音效、人声台词等多模态内容。平台提供 Turbo、Lite、Pro 以及全系列有声版本，满足不同用户场景需求。
技术亮点与创新
🔹 音视频一体化生成
MuseSteamer 打破传统“图生画面 + 后期配音”流程，实现画面、声音、对白同步生成，构建视听一体化创作体系。这一技术使 AI 视频表达更自然、生动，彻底重构创作流程。
🔹 镜头语言可控
提供“镜头向右”“镜头拉近”“镜头向上”等指令选项，支持用户定制分镜运镜，增强视频的叙事性与风格表现。
🔹 多版本覆盖不同需求
| 版本 | 分辨率 | 特点 |
|---|---|---|
| Turbo | 720p | 全能型，2分钟左右生成5-10秒视频，风格适中 |
| Lite | 720p | 极速模式，约30秒生成，强调效率 |
| Pro | 1080p | 电影级高画质，预计生成时间约20分钟 |
| 有声版 | 多分辨率 | 画面+音效+人声台词一步完成，预计后续开放 |
Turbo版已在“绘想”平台免费公测，Lite与Pro、有声版预计 8 月上线。
🔹 多模态强化训练
MuseSteamer 经亿级中文多模态数据训练，结合视频结构语言及多目标强化学习，以 89.38% 的总分登顶 VBench I2V 排行榜，实现音画一体协同优化。
平台体验流程
访问 huixiang.baidu.com 注册或登录；
上传一张 ≥300×300 分辨率的 PNG/JPG/WEBP 图片；
输入文本提示或选择内置分镜提示词；
选择合适版本（Turbo/Lite/Pro），点击“一键生成”；
实时预览视频效果，并支持简单调整；
下载视频用于社交平台、广告、教学等场景。
生成速度：Turbo 版约 2 分钟即可生成 5–10 秒视频，Lite 版最快 30 秒内完成。
真实使用效果
清晰镜头呈现：生成视频具备自然人物动作、真实微表情与环境细节。
音视同步：Turbo 秒生动人物的视频中已带完整环境音，未来有声版更将加入对白。
一致性高：场景与人物风格保持统一，反射与光影细节表现佳。
适用场景
广告与短剧制作：无需专业设备即能生成剧情镜头；
电商商品展示：快速生成动态宣传短视频；
教育与培训：制作课程视频、动画解说；
社交内容创作：抖音/快手等平台吸睛视频；
自媒体与娱乐：个人创意短片、自拍电影等。
优势与局限
✅ 优势
创作门槛极低，一张图片即可生成专业级视频；
包含声音、镜头语言，多模态协同；
多版本覆盖不同用户需求；
免费公测，体验成本低；
支持多场景使用。
⚠️ 局限
Lite 和 Turbo 版本仅720p，还有画质限制；
Pro 以及有声版尚未全面开放；
缺少 API 接口，不支持大规模批量自动化；
高级定制和后期编辑能力仍需在第三方完成。
