豆包AI视频生成功能目前支持以下视频模型，涵盖不同技术特性和应用场景：

一、核心视频模型

1. VideoWorld

• 由豆包团队与北京交通大学、中国科学技术大学联合开发，首次实现仅依赖视觉信息进行视频生成，突破传统语言模型依赖。

• 特点：无需语言输入，通过视频数据训练，支持复杂场景推理、规划和决策。

2. S2.0

• 基础视频生成模型，支持文生视频和图生视频，10秒内生成完整故事。

• 核心能力：语义理解、多动作多主体交互、动态效果生成。

3. P2.0Pro

• 高性能视频生成模型，优化了动态效果和镜头切换一致性，适用于影视创作和广告制作。

4. 1.2

• 新一代视频生成模型，具体功能未详细说明，但属于豆包持续迭代的一部分。

二、其他相关模型

• PixelDance

• 基于DiT架构，支持文生视频和图生视频，单次生成10秒视频，适配多场景应用。

• 特点：高效DiT融合计算单元、扩散模型训练方法，支持3D动画、2D动画、国画等多种风格。

• Seaweed

• 基于Transformer结构，原生支持多分辨率生成（如720p、24fps），动态延长至20-30秒。

• 优势：跨平台适配（横屏/竖屏）、风格比例灵活调整。

三、应用场景

• 电商营销 ：通过动态视频展示产品特点，提升转化率。

• 动画教育 ：辅助制作教学视频，实现复杂动画效果。

• 城市文旅 ：生成景区导览视频，增强游客体验。

• 微剧本 ：快速生成剧情片段，降低创作成本。

四、技术优势

• 多镜头一致性 ：实现复杂交互场景中镜头的无缝切换。

• 泛化能力 ：通过扩散模型提升视频生成质量，减少对标注数据的依赖。

• 多风格适配 ：支持3D/2D动画、国画、黑白等多种风格生成。

以上模型均处于不同阶段测试或已开放内测，部分功能可能随版本迭代进一步优化。