字节跳动商业化技术团队开源视频生成与编辑框架Bernini，主打“先理解、再生成”的协同机制，以解决复杂指令下画面失控与帧间不稳定问题。框架采用“语义规划+视觉渲染”双阶段流程，通过多模态模型解析输入并生成语义草图，再完成视频渲染，实现对天气、风格、镜头与主体动作的精细控制。Bernini支持文本、图片及视频多模态参考，可进行材质植入、多视角生成及关键帧到连续镜头转换，并引入位置编码机制提升多片段一致性。目前其推理代码及Bernini-R模型已开放，完整版本将陆续发布。
字节跳动商业化技术团队开源视频生成与编辑框架Bernini，主打“先理解、再生成”的协同机制，以解决复杂指令下画面失控与帧间不稳定问题。框架采用“语义规划+视觉渲染”双阶段流程，通过多模态模型解析输入并生成语义草图，再完成视频渲染，实现对天气、风格、镜头与主体动作的精细控制。Bernini支持文本、图片及视频多模态参考，可进行材质植入、多视角生成及关键帧到连续镜头转换，并引入位置编码机制提升多片段一致性。目前其推理代码及Bernini-R模型已开放，完整版本将陆续发布。