Bernini AI

ModelBernini-R LiteNewText 和多参考视频ByteDance⏱ 2-10 分钟⛁ 5 积分参考图片（1-5 张）上传图片JPEG、PNG、WebP（每张最大 10MB）0/5 张参考图片已上传提示AI 增强0 / 5000 宽高比高级设置

Bernini AI 是一个可以直接在浏览器中使用的平台，您可以使用 Bernini —— 字节跳动的开放模型，用于 AI 视频生成和编辑。一个模型可以处理文本到视频、参考到视频、基于提示的视频编辑、参考引导的编辑以及内容插入，同时还支持图像生成和编辑。其内部结合了基于 MLLM 的语义规划器（基于 Qwen2.5-VL）和基于 DiT 的渲染器（基于 Wan2.2），并以开源形式发布在 Apache 2.0 许可证下。在此网站上，您无需自行设置模型即可生成和编辑视频。

Bernini AI 在一个模型中涵盖了生成和编辑。对于生成，它可以从最多五张参考图片进行文本到视频、图像到视频和参考到视频的生成。对于编辑，它可以重新风格化一段视频，改变主体的动作，替换或插入物体，更换衣物，并从文本提示中调整材质、天气或整体外观——同时保持其余画面一致。它还支持图像生成和图像编辑。正是这种范围使 Bernini AI 与其他仅能从零开始生成视频的生成器有所不同。

打开本网站上的生成器，输入文本提示或上传您的媒体——一段需要编辑的视频或参考图片——然后选择您的任务。Bernini AI 在云端运行，因此不需要租用 GPU 也不需要安装任何东西；结果会在几分钟内返回到您的浏览器中。自托管开源模型需要 Hopper 系列 GPU，如 H100，而这正是此平台所消除的步骤。

是的。字节跳动将 Bernini 以 Apache 2.0 许可证发布，推理代码和渲染器权重已在 GitHub 和 Hugging Face 上发布。任何人都可以阅读论文、检查代码并运行模型——但这样做需要 Hopper 系列 GPU（H100/H800/H200）和多 GPU 配置。Bernini AI 提供了一个托管替代方案，让您可以在不使用这些硬件的情况下在线使用相同类型的生成和编辑工作流程。

Bernini AI 将任务拆分为两个组件。一个基于 MLLM 的语义规划器，基于 Qwen2.5-VL，对您的文本、图像和任何源视频进行推理，并通过思维链预测目标作为嵌入空间中的语义表示。一个基于 DiT 的渲染器，基于 Wan2.2，然后从该计划中合成实际帧，利用源视频的特征以在编辑时保留细节。一种基于区域感知的 3D RoPE 保持多个输入的区分性，使模型能够区分源视频和参考图片。

参考到视频允许您通过图片驱动新视频，而不是用文字描述一切。使用 Bernini AI，您可以提供最多五张参考图片——一个人、一个物体或一种风格——模型会生成保持这些参考一致的视频。这在将特定角色或产品放入运动中，或在视频中保持视觉风格稳定时非常有用，并且可以与文本提示结合以获得更精确的方向。

是的——编辑是 Bernini AI 的核心优势之一。给它一段源视频和一个提示，它可以重新风格化这段视频，改变主体的动作，替换或插入物体，更换服装，或改变材质、天气和整体外观。参考引导的编辑可以让您通过额外的图片来引导这些更改。在整个过程中，Bernini AI 设计为保持您未要求更改的区域稳定，这也是它在字节跳动的编辑基准测试中表现特别出色的地方。

Bernini AI 的主要优势在于统一的生成和编辑以及强大的编辑一致性：在字节跳动发布的基准测试中，它在视频编辑方面达到领先封闭式模型的第一梯队，并在主体身份方面领先。团队自身指出的权衡是，原始文本到视频的视觉质量仍落后于最强的封闭系统，而复杂编辑最好使用详细提示。Kling 和 Veo 等模型专注于精美的生成和更长或电影级的视频。由于此平台提供了多种引擎，您可以在一个以上引擎上运行相同的想法，并保留适合的工具——但 Bernini AI 是唯一能在单个模型中完成创建和编辑的工具。

开源的 Bernini 渲染器默认输出分辨率为 480p 和 16fps，示例显示最高可达 720p 和 24fps，为短片段。它旨在追求质量、一致性和编辑准确性，而不是长格式或超高清输出。当您需要更高分辨率或更长的多镜头视频时，此平台还提供了 Kling 和 Seedream 等引擎，以满足这些格式的需求，因此您可以根据任务选择合适的工具。

是的——您可以商业使用通过 Bernini AI 生成的视频和图像。付费计划的输出没有水印，并且适用于社交媒体、广告、品牌内容、产品视频和客户作品，无需署名。Bernini 本身以宽松的 Apache 2.0 许可证发布，因此底层模型也可以用于商业用途。

Bernini AI 支持三种视频生成方式：从文本创建视频、从参考图像生成视频，以及通过提示词编辑现有视频。

Bernini AI 适用于短视频制作、广告内容生成、社交媒体内容创作以及个性化视频编辑等场景，适合需要快速生成高质量视频的用户。

Bernini AI 基于字节跳动的技术能力，支持自然语言处理和图像理解，能够根据文本或图像生成连贯视频，并提供视频编辑功能，具备高效、智能和易用的特点。