Bernini 是一款由字节跳动 Bernini 团队推出的 AI 原生统一视频生成与编辑底层架构。

该产品专注于解决传统视频生成模型在处理复杂指令、多参考物融合以及长线视频编辑时存在的逻辑混乱、画面不连贯及动态控制困难的实际痛点。

【产品功能】

• 基于多模态大语言模型的语义规划引擎： 系统在底层自动拆解文本指令与参考素材，在生成前完成对时空变换与逻辑顺序的深度推理，确保视频逻辑的连贯与准确。

• 融合多参照物引导的视频生成与编辑： 支持同时输入多达五个参考图像，实现对人物服饰、材质质感、环境光影及特定风格的精准克隆与迁移。

• 无缝融合多种视频编辑能力的统一工作流： 内置涵盖对象增删、风格转换、天气模拟、焦点转移及表情控制等多种高级编辑算法，满足影视后期全链路需求。

• 高稳定性与连续性的视频生成渲染底座： 采用先进的 DiT 渲染架构与分段感知位置编码，确保视频在超长镜头轨道及复杂运动序列下的结构稳定性。