昨天，百度发布中文音视频一体化生成的 I2V 模型「百度蒸汽机 2.0」，号称是吃「中文语料」长大的，能够一步到位地生成音画同步、口型精准、情感自然的中文对话视频。

据悉，本次百度蒸汽机 2.0 实现全系模型开放 —— Turbo 版、Lite 版、Pro 版，及有声版全部开放体验。

官方介绍，作为行业首个中文音视频一体化生成的 I2V 模型，百度蒸汽机不仅支持环境音效，更支持多角色语音的一体化生成，能实现语音与唇形、表情、动作的毫秒级精准对齐。

同时，百度蒸汽机首创多模态潜在空间规划技术（Latent Multi-Modal Planner）， 在该技术支持下，蒸汽机能够自主协调多角色身份、情感与互动逻辑，保障叙事连贯性。

语言表达上，百度蒸汽机做到深度中文场景适配。基于海量中文语料深度训练，蒸汽机能以超 98% 的还原度精准呈现中文语音细节与情感表达。