字节跳动正式进军AI视频生成赛道

1. 音频驱动：Loopy可将任何音频文件转化为视频中人物的面部动作和表情，实现音频与视频的完美同步。

2. 面部动作生成：模型能够细致捕捉嘴型、眉毛、眼睛等面部部位的自然动作，使生成的视频更加生动逼真。

3. 无需额外条件：Loopy在生成视频时无需额外的空间信号或条件，独立完成视频创作过程。

4. 长期运动信息捕捉：能够处理长期运动信息，确保生成的视频动作自然流畅。

5. 多样化的输出：根据音频特性生成相应的面部表情和头部动作，满足不同创意表达的需求。

1. 自然连贯的多拍动作与多主体复杂交互：豆包能够生成连贯且真实的人物表演视频，让不同人物完成多个动作指令的互动。

2. 多镜头组合视频：通过全新设计的扩散模型训练方法，攻克了多镜头切换的一致性难题，保持主体、风格、氛围的一致性。

3. 极致的运镜控制：实现了前后景变焦、摇摄、目标跟随等复杂的运镜能力，大大提升了AI视频的运镜控制效果。