使用 Bernini AI 生成 & 编辑视频免费 & 开源
支持 3 到 15 秒。
一个模型，覆盖所有任务
Bernini AI 横跨生成与编辑两大方向，支持七种任务类型 — 文字、图片和视频任意组合。
文生视频
用自然语言描述场景，Bernini AI 从零生成视频。MLLM 规划器先生成构图、运动和风格推理，再由 DiT 渲染器输出帧序列。
视频编辑（V2V）
上传源视频，用文字描述你想做的改动，Bernini AI 在保留未编辑区域的同时精准应用修改。替换物体、变换天气、重新风格化 — 全都通过一句话完成。
参考图生视频（R2V）
上传最多五张参考图片，控制主体外观、材质、风格或天气。Bernini AI 将这些参考图作为语义锚点，生成与你的创意意图相匹配的连贯视频。
参考图引导编辑（RV2V）
将源视频与参考图片结合，实现材质替换、物体交换、风格迁移或天气变化。渲染器利用源 VAE 特征在编辑过程中保留画面细节。
内容插入
将提供的图片或视频作为参考内容放入已有场景中。非常适合产品展示、Logo 植入或将元素合成到实拍素材中。
文生图 & 图片编辑
Bernini AI 同样支持文生图和图生图编辑。相同的语义规划管线同时覆盖静态图和动态视频 — 无需在不同工具之间切换。
三步开始创作
无需 GPU、无需安装、无需配置。只需打开浏览器。
1. 描述你想要的效果
输入提示词，描述你想创建的视频或想应用的编辑。对于基于参考的任务，上传源图片或视频片段。Bernini AI 同时理解文字、图片和视频输入。
2. 选择任务并生成
选择文生视频、参考图生视频或提示词驱动的视频编辑。MLLM 语义规划器在抽象空间中生成目标场景，DiT 渲染器合成视频帧。调整提示词或更换参考素材，多次迭代。
3. 下载并使用你的视频
根据视频长度和复杂度，生成在几分钟内完成。下载结果并用于社交媒体、营销、客户项目或创意作品 — Apache 2.0 协议覆盖商业用途。
为创作者而生，适配任何工作流
从社交内容到研究实验，Bernini AI 融入你的创作体系 — 免费且开源。
社媒创作者
为 TikTok、Instagram Reels 和 YouTube Shorts 生成和编辑视频，无需为工具付费。从文字提示开始，或用一句话编辑已有素材。免费开源意味着零重复成本。
营销 & 广告团队
用文字提示编辑现有素材，快速测试视频变体 — 换背景、替换产品、调整视觉风格，无需重新拍摄。内容插入功能可将 Logo 和产品干净地放入现有画面。
独立开发者 & 构建者
Apache 2.0 协议许可。将模型集成到你自己的应用中、修改权重、或在 Hopper GPU 上自部署。基于 Wan2.2 和 Qwen2.5-VL 构建 — 视频 AI 产品的全开源技术栈。
AI 研究者 & 学生
Bernini 在视频编辑任务上达到领先闭源模型的一线水平，尤其在主体一致性方面表现出色。开放权重和可复现代码使其成为视频生成与编辑研究的优秀基线。
设计师 & 视觉艺术家
使用最多五张参考图片锁定生成片段中的主体、材质色板或视觉风格。参考引导编辑可在保持构图和镜头运动不变的同时，对素材进行复杂的材质和风格变换。
Bernini AI 的独特之处
三项架构决策让 Bernini 区别于单一功能的视频生成器。
语义规划 — 先生成理解，再生成像素
大多数视频生成器直接从提示词跳到像素。Bernini AI 在中间插入了语义规划步骤：MLLM 先在语义空间中对构图、物体关系和运动逻辑进行推理，再渲染任何一帧。结果是：视频能更精准地遵循复杂的多步骤指令。
一个模型，同时搞定生成与编辑
大多数 AI 视频工具将生成和编辑拆分为不同模型——有时甚至是不同产品。Bernini AI 在单一统一架构中同时处理文生视频、视频编辑、参考图生视频、内容插入和图片任务。
开源，Apache 2.0 — 没有任何附加条件
免费使用、自由修改、自由分发、自由商用。权重在 Hugging Face 上，代码在 GitHub 上。没有积分、没有订阅陷阱、没有厂商锁定。对比那些按每次生成收费的闭源商业模型。
为实际使用而设计
从个人创作者到开发团队，Bernini AI 让每个人都能轻松使用 AI 视频生成。
无需 GPU
通过托管服务在任何设备上在线使用 Bernini AI。自部署可供有 Hopper GPU 的团队使用，但你不需要拥有 GPU 就能上手。
支持商业用途
Apache 2.0 协议意味着你生成的输出归你所有。可用于社交媒体、广告投放、客户项目和产品视频，无需额外授权费用。
字节跳动背书
由全球顶级 AI 研究机构字节跳动构建并开源。论文发表于 arXiv（2605.22344），提供可复现的基准评测和开放权重。
技术亮点
支撑 Bernini AI 生成与编辑能力的关键规格和架构创新。
SA-3D RoPE 编码
分段感知 3D 位置编码区分不同视觉输入的 token，保持源素材、参考图和生成内容之间的清晰分离。
480p–720p @ 24fps
可配置分辨率高达 720p、帧率高达 24fps。视频长度可通过帧数配置，每次生成通常为 2 至 15 秒。
7 种任务类型
T2V、I2V、V2V、RV2V、R2V、内容插入和 T2I — 全部在单一统一架构中完成，无需多个独立模型。
MLLM + DiT 架构
语义规划器（Qwen2.5-VL）先对构图和运动进行推理，然后 DiT 渲染器（Wan2.2）合成实际的视频帧。
什么是 Bernini AI — 以及为什么它值得关注
Bernini AI 是字节跳动的开源统一 AI 视频生成与编辑框架 — 你可以从文字提示生成视频、通过描述改动来编辑已有素材、以及从参考图片驱动新片段，全部在一个模型中完成。大多数 AI 视频工具只能做一件事：要么从文字生成，要么编辑素材，要么从图片生成动画。Bernini AI 在一个架构中完成所有这些任务。基于 MLLM 的语义规划器先对场景进行推理，然后基于 DiT 的渲染器将该计划转化为实际视频帧。结果：复杂提示词的指令遵循更好，编辑时未改动区域的一致性更强。基于 Apache 2.0 协议发布，权重在 Hugging Face 上，代码在 GitHub 上，论文发表于 arXiv（2605.22344，2026 年 5 月）。
免费起步，按需扩展
Bernini AI 免费且开源。在线托管服务提供免费试用额度 — 无需信用卡即可开始。
需要更多积分？
一次性购买，随时补充积分，可与任意方案配合使用。