助力打造更强AI视频模型 火山引擎发布大模型训练视频预处理方案

    本报讯 （记者袁传玺）10月15日，火山引擎在视频云技术大会上发布了大模型训练视频预处理方案，助力解决视频大模型训练的成本、质量和性能等方面的技术挑战。目前，该技术方案已应用于豆包视频生成模型。

    借助Intel的CPU、GPU等不同资源，火山引擎此次发布的大模型训练视频预处理方案依托于自研的多媒体处理框架BMF，能有效应对模型训练的算力成本挑战。此外，该方案还在算法和工程方面进行了调优，可以对海量视频数据高质量预处理，短时间内实现处理链路的高效协同，提高模型训练效率。

    值得一提的是，火山引擎本次还发布并开源了移动端后处理解决方案BMFlite版本。BMFlite支持端侧大模型接入和算子加速，更加轻量、通用。

    ByteDanceResearch负责人李航表示，豆包视频生成模型PixelDance在训练过程中采用了火山引擎的大模型训练视频预处理方案，充分利用了大量潮汐资源，为模型训练提供了有力支撑。火山引擎视频云团队提供的点播解决方案还为PixelDance生产的视频提供了从编辑、上传、转码、分发、播放的全生命周期一站式服务，让模型的商业化应用有了保障。

    此次活动中，火山引擎还发布了跨语言同声复刻直播方案、多模态视频理解与生成方案、对话式AI实时交互方案和AIG3D&大场景重建方案，从视频的生产端、交互端到消费端，全链路融入了AI的能力。

    火山引擎视频云负责人Yongyuan表示，在AI视频时代，人和AI交互变得更加动态和生动，这要求处理链路更加智能和交互。

    大会上，抖音集团视频架构负责人王悦还透露了字节自研视频编解码芯片的最新进展。经过抖音集团内部的实践验证，该芯片在同等视频压缩效率下，成本节省了95%以上，还在2024MSU世界编码器大赛中一举夺得“最佳ASIC编码器”大奖。“该芯片将于近期正式对外开放测试，招募首批种子用户，共同探索商业价值的可复制性。”王悦表示。

    火山引擎总裁谭待表示，在AIGC、多模态等技术的共同推动下，用户体验在多个维度上经历着深刻转变，基于抖音业务实践和与行业客户共创，火山引擎视频云正积极探索AI大模型与视频技术的深度融合，在技术底座、处理链路和业务增长层面为企业寻找解法。

（编辑 汪世军）