视频生成

Bernini

由 ByteDance 提供

字节跳动开源视频模型。
基于指令编辑，保留主体身份。

Bernini

核心功能

在小狗旁边加一个雪人，片段其余部分保持不变立即试用

技术规格

Planner + DiT

Qwen2.5-VL 规划器，14B Wan2.2 渲染器

Edit, Generate, R2V

编辑、生成、主体到视频

480p / 16fps

默认渲染设置

Apache 2.0

开源权重，可自托管

应用场景

增强实拍素材

无需重拍即可在片段中添加或移除道具、修正某个细节，或重新风格化某个元素。一致性锁定让镜头其余部分保持一致，编辑看起来浑然天成。

复现角色与数字人

在多集内容、广告或数字人系列中保持同一张面孔。主体到视频能从几张参考图保留人物身份，让其穿行于新场景之中。

虚拟试穿与产品植入

依据参考图将服装换到运动中的模特身上，或将产品或屏幕内视频置入镜头，用于需要保留源片段的时尚与广告制作。

重新设计动作

改变某人在一条镜头中正在做的事，例如从站立变为蹲下，而无需重拍。动作编辑改变行为，同时身份、构图和光照保持固定。

提示词示例

一致性编辑

在雪地小路上的狗旁边加一个雪人，并让狗、道路和树木保持不变

Edit prompt

锁定身份的主体

将这个人置于夜晚的霓虹城市天台，缓缓转向镜头，保留其面部和夹克

Edit prompt

参考替换

将外衣换成参考图中的那件，姿态、光照和动作完全保持不变

Edit prompt

概述

Bernini 是字节跳动用于 AI 视频生成与编辑的开源框架，于 2026 年 6 月以 Apache 2.0 协议发布。它的设计将任务一分为二：基于 MLLM 的规划器（Qwen2.5-VL）决定结果的语义，再由基于 DiT、构建于 Wan2.2 之上的渲染器绘制像素。由于规划与渲染是分开的两个阶段，Bernini 在多数视频模型力不从心的方面表现尤为出色，即编辑一段真实片段，同时让你没有要求改动的一切保持原样。它涵盖文本到图像、图像编辑、文本到视频、基于指令的视频编辑、参考引导编辑（如服装替换与视频插入），以及主体到视频，其中最突出的表现就是在人物穿行于新场景时保留其身份。

简单定价

今天就免费开始，随时可以升级或取消。

Basic

$9/ 月
账单金额为 $0 每年

1100 每月 信用

1 个用户

所有模型

工作流

Standard

$24/ 月
账单金额为 $0 每年

3625 每月 信用

1 个用户

所有模型

工作流

Pro

$45/ 月
账单金额为 $0 每年

6350 共享 每月 信用

1 用户

+ 最多 4 人额外付费可增加

所有模型

工作流

Pro Max

$170/ 月
账单金额为 $0 每年

24650 共享 每月 信用

1 用户

+ 最多 9 人额外付费可增加

所有模型

工作流

Enterprise

更高的限制

自定义

定价和账单条款

大容量信用
自定义席位限制
所有模型
工作流
Pricing Gradient

Free

供随意体验

$0

永久免费

最多 20 积分
仅1个用户
部分模型
工作流
比较方案详情

常见问题

Bernini 是什么？
Bernini 是字节跳动用于视频生成与编辑的开源统一框架。它将基于 MLLM 的语义规划器与基于 DiT、构建于 Wan2.2 之上的渲染器相结合，于 2026 年 6 月以 Apache 2.0 协议发布。
Bernini 能做什么？
它支持文本到图像、图像编辑、文本到视频、基于指令的视频编辑、参考引导编辑（如服装替换与视频插入），以及将人物或角色置入新场景的主体到视频。
Bernini 与标准视频模型有何不同？
大多数视频模型从零生成。Bernini 将工作拆分：MLLM 规划器决定语义，渲染器再绘制像素。这种设计带来了强大的编辑一致性，片段中未改动的部分保持冻结，以及主体到视频中强大的身份保留。
Bernini 是开源的吗？
是的。推理代码和渲染器权重以 Apache 2.0 协议公开发布在 GitHub 和 Hugging Face 上。你可以在自己的硬件上运行；建议使用 Hopper 级 GPU，视频则建议使用多块 GPU。
Bernini 保留主体身份的效果如何？
身份保留是它的突出表现。在 ByteDance 的 subject-to-video 评测中，它在面部相似度上领先于同类系统，在主体移动时保持可辨认的面孔，因此适合数字人、角色制作以及需要同一张面孔反复出现的连续剧集内容。
Bernini 输出什么分辨率？
默认渲染设置为 480p / 16fps。该版本将编辑保真度和一致性置于最高分辨率之上，更高的设置在更大算力成本下也可实现。

进一步了解 Bernini

Bernini 的指南、提示词与对比。

ByteDance Bernini：AI 视频编辑与提示词完整指南

开源 AI 视频模型 ByteDance Bernini 的完整指南：功能、规格、一致性锁定，以及按任务划分的提示词结构。

其他模型

浏览 Morphic 模型目录中的更多模型。

查看全部模型 →

ChatGPT Images 2.5

OpenAI

OpenAI 的图像模型，2026 年 9 月发布。 细节更锐利，编辑更精准，出图更快。

Lyria 3.5

Google DeepMind

Google 目前最好听的音乐模型。 完整的歌：有结构、有人声、有歌词。

MiniMax H3 Max Turbo

fal.ai

fal 蒸馏出来的 H3 快速档。 速度翻一倍，画面几乎照旧。

Inworld TTS 2

Inworld

95 个音色，100 多种语言。 开口不到一秒，换语言不换人。