← 全部模型

Bernini

發布時間 發布主體 ByteDance

模型定位

Bernini 是統一影片生成與編輯的研究框架,結合多模態大型語言模型(MLLM)語意規劃器與擴散 Transformer(DiT)渲染器。輸入資料中的版本標識為 Bernini-7+14B:完整管線以 Qwen2.5-VL-7B-Instruct 為規劃器基礎,並以 Wan2.2-T2V-A14B 為渲染器基礎;7B 與 14B 分別指兩個組件,而非兩個獨立的 API 型號。(github.com)

能力與用途

  • 支援文字或影像生成,以及文字生成影片、影片編輯、參考素材引導的影片編輯與參考圖生成影片。
  • 可依指令修改影片,或使用參考圖引導物件、材質、天氣和風格;專案也展示了將參考影像或影片內容插入現有影片。
  • 官方展示的參考圖生成影片範例最多接受五張參考圖,輸出一段影片。適合影片創作、視覺效果製作與生成式影片研究。(github.com)

發布日期與取得方式

  • 2026-05-22:官方發布 Bernini 論文。
  • 2026-06-11:官方開源完整 Bernini 管線的推論程式碼與模型權重。因此,2026-05-22 是論文發布日,不是完整權重的開源日。
  • 完整管線權重為 ByteDance/Bernini-Diffusers;它是權重儲存庫名稱,並非已核實的 API model ID。(github.com)

限制與部署

官方程式庫要求 CUDA GPU,建議使用 H100、H800 或 H200,並列出 Python 3.11.2 與 CUDA 12.6 等參考環境;實際部署需要自行準備運算資源及相依套件。官方儲存庫與完整模型卡標示 Apache License 2.0,使用時仍應檢查所涉組件的授權條款。輸出效果會依素材與指令而異,重要用途應人工檢查。(github.com)

價格

截至 2026-11-16 查詢,官方中國大陸火山方舟與國際 BytePlus ModelArk 價格頁均未查到 Bernini 的專屬報價;其 API 輸入與輸出計費方式及金額均未核實。開源權重可供自行部署,但運算與託管可能產生另行計算的成本。(docs.volcengine.com)

官方來源