Video Rebirth 推出 Bach 1.0：生成 30 秒多镜头视频，原生带声音

现在做 AI 视频的人，最头疼的往往不是单张画面够不够逼真，而是镜头一换，主角就跟着「换了张脸」，或者想剪个 30 秒的短片，得在剪辑软件里把五六段 5 秒的视频一点点硬拼起来。

初创公司 Video Rebirth 正式推出了工业级 AI 视频引擎 Bach 1.0，直接冲着这些制作痛点开刀。

它可以一口气生成最长 30 秒的多镜头连贯视频，画面是原生 1080p，而且音效、旁白和背景配乐都在同一个生成流程里直接搞定，省去了后期到处找音频拼凑的麻烦。

在业界知名的第三方盲测平台 Artificial Analysis 上，Bach 1.0 初次亮相就冲到了排行榜第六位，排在它前面的只有 Grok Imagine、Kling 3 以及 Sora 2.0。对于一家刚进入大众视野的新团队来说，这个开局相当抢眼。

从骨骼与光学入手，抓住导演的意图

Video Rebirth 的创始人是前腾讯杰出科学家刘威博士（Dr. Wei Liu）。他直言，现在的影视团队不是在问 AI 能不能做出惊艳的画面，而是在问 AI 到底能不能听懂导演真正想拍什么。

比如甩镜头不是普通的慢推，人物从克制转为愤怒再到落泪，也不是随机变张脸。如果连这些基本镜头语言和情绪都分不清，AI 视频就只能停留在玩具阶段，进不了专业制作管线。

为了解决角色一致性问题，Bach 拿出了名为「物理原生注意力」（Physics-Native Attention，简称 PNA）的技术机制。它不只是在画面像素上寻找相似度，而是从人体的骨骼结构、肤色、比例关系和肌肉动态等底层物理特征来锚定身份。

这样一来，导演就能针对每个镜头分别指定情绪。比如第一镜沉着克制，第二镜愤怒对峙，第三镜默默落泪，模型可以精准还原微表情的张力。

在运镜控制上，它采用了双重扩散 Transformer（DDiT）架构，把专业摄影语言翻译成物理运动。不管是快速甩镜带来的真实动态模糊，还是跟焦带来的景深转换，甚至古典油画般的伦勃朗光，都是通过物理建模渲染出来的，而不是套一层后期滤镜。

告别碎卡拼接，30 秒多镜头一次成片

除了底层技术，Bach 带来的 Montage 功能可以说是创作者最关心的工具。

以往用 AI 做片子，创作者必须一段接一段地延展生成，再手动导出到外部剪辑软件拼接，稍有不慎人物样貌或光影就穿帮了。

Montage 改变了这种做法。你只需要上传角色参考图和场景素材，写下分镜序列的描述，Bach 就能一次性输出最长 30 秒、包含多个镜头的完整短片，镜头切换和叙事节奏由模型自动协调。

目前，全球大型电商平台、影视工作室、短剧工坊、广告公司和游戏团队都已经进入了测试阶段。普通创作者现在也可以直接去它的官网 bach.art 注册，利用赠送的免费额度上手体验。

为什么重要

对于短剧团队、独立广告人和自媒体创作者来说，Bach 1.0 最大的价值是大幅压缩制作周期。能在一个提示词流程里同时搞定分镜、角色固定和基础音频，做样片和微短剧的试错成本会成倍降低，完全值得现在去官网薅免费额度跑两个分镜测试。

对整个行业而言，竞争焦点正在从「单镜头比拼画面细节」转向「成片交付的工业化工作流」。当头部厂商还在死磕更长更稳定的单镜头时，Video Rebirth 试图把镜头语言、剪辑逻辑和声音一体化打包，这会倒逼其他视频模型加速完善工作流工具。

我们认为，从人体骨骼和摄影物理入手来解决一致性，思路非常聪明，比单纯用数据硬怼像素要可靠得多。不过潜在的挑战也很明显：30 秒多镜头的叙事容错率极低，如果中间某一个镜头的逻辑垮掉，重新生成的算力成本会远高于单段短片。另外排在第六也说明它在极限动态或复杂交互上与头部选手仍有差距，但作为一个独立团队的初作，它已经把 AI 导演工具的门槛向前推了一大步。