百度一镜自研视频生成模型：0.2元/秒，短漫剧Studio同步上线

11月12日，2026百度世界大会现场，百度一镜亮出了自研的视频生成模型，同时宣布三项核心能力完成升级。视频生成成本被压到0.2元/秒；数字人面部每秒可呈现8-9种微表情，拟真度进一步提升；全画幅实时交互的响应时间则控制在2秒以内。会上还推出了“短漫剧Studio”，从短剧制作到一键转绘都能一站完成，出海门槛随之下降。

在平晓黎看来，技术演进和企业需求正在相互呼应。这位百度集团副总裁、移动生态大商业事业部总经理表示，百度一镜想用极致的性价比，把数字人从少数大企业的专属品，变成千行百业都负担得起的“新质生产力”。

从“能说”到“能演”：三大能力跃升，重塑数字人生产力底座

平晓黎指出，推理底座日趋成熟，视觉生成模型又接连突破，两股力量汇合后，数字人正在变成能自主响应、持续演绎的智能体，工业场景的规模化应用也因此有了落地条件。

百度数字人创新业务部负责人吴晨霞的说法是，百度一镜靠自研模型的全面进化来重塑数字人生产力。“我们通过视频生成模型实现极致降本，让高质低价的视频量产成为现实；同时通过微表情等自研技术，让数字人不仅能干活，还能提供更好的情绪价值。”

三大核心能力究竟怎么跃升的？百度杰出架构师杨羿从底层技术角度逐一做了拆解：

先看视频生成。混合扩散蒸馏加上稀疏化建模，让模型在推理端实现了极致压缩，成本降到0.2元/秒。Fast版做到1:1极速生成，10秒的视频10秒就能出片，等片子的焦虑可以放下了。

再看微表情。文心一镜微表情大模型引入质量Agent与200+子维度刻画，面部控制精细到AU级。每秒最多能呈现8-9种微表情，复杂情绪得以准确传达，数字人的表演更鲜活、更入戏，僵硬的“AI脸”成为过去。

实时交互同样有变化。以往只能生成局部动作，如今扩展为全画幅实时生成与流式输出；自回归架构结合检索式记忆，互动时长不再受限且保持稳定，响应时延不到2秒，客户随时提问都接得住。

三项底层能力跃升之后，百度一镜还开通了“短漫剧Studio”。吴晨霞介绍，“剧本Agent+成片Agent”协同工作，把从灵感或百万字小说IP到专业成片的流程全部打通。再加上“一键转绘”，创作者能以极低成本一站打造爆款短剧，本土化适配也能轻松完成，短漫剧出海的门槛因此大幅降低。

从营销大片到短漫剧出海：全场景商业变现

技术底座之上，百度一镜的各类能力已经进入核心商业场景，帮企业省钱提效。

品牌营销方面，现场展示的是与可口可乐的合作。品牌方用自然语言提出“围绕伯牙子期创作广告”，百度一镜直接交出一支TVC级别的创意大片，数字人对细腻情绪的递进把握到位。过去动辄几十万、上百万的预算门槛，就这样被拉了下来。

电商直播与出海方面，上传3到5张商品图，就能批量产出多语言、多模特的带货视频。搭配本土化直播，整套方案的成本下降83%、转化率提升29%。数据还显示，两家国际运动品牌的海外直播间，GMV均提升40%以上，转化率均提升60%以上。中小商家想轻松做全球生意也有选择：平台推出了千元级（罗永浩同款）与百元级（Lite版）两档高性价比直播方案。

短漫剧赛道正在爆发，大会上发布的“短漫剧Studio”瞄准的正是行业产能与出海逻辑。短剧出海由此从“高门槛的重资产投入”转向“低成本的内容复制”，优质IP的全球变现效率明显提高。

实时互动与线下服务领域也有落地样本，汽车销售就是一例。4S店里的数字人能用多语种接待，还能借助长时记忆，按客户此前聊过的偏好精准推荐试驾，7×24小时全天候在线。价格从千元级下探到百元级之后，导购、客服、接待这类一对一服务场景，正迎来“服务型/陪伴型数字人”的降本升级。（青山）