Video Rebirth 推出 Bach 1.0：生成 30 秒多鏡頭影片，原生帶聲音

現在做 AI 影片的人，最頭疼的往往不是單張畫面夠不夠逼真，而是鏡頭一換，主角就跟著「換了張臉」，或者想剪個 30 秒的短片，得在剪輯軟體裡把五六段 5 秒的影片一點點硬拼起來。

初創公司 Video Rebirth 正式推出了工業級 AI 影片引擎 Bach 1.0，直接衝著這些製作痛點開刀。

它可以一口氣生成最長 30 秒的多鏡頭連貫影片，畫面是原生 1080p，而且音效、旁白和背景配樂都在同一個生成流程裡直接搞定，省去了後期到處找音訊拼湊的麻煩。

在業界知名的第三方盲測平臺 Artificial Analysis 上，Bach 1.0 初次亮相就衝到了排行榜第六位，排在它前面的只有 Grok Imagine、Kling 3 以及 Sora 2.0。對於一家剛進入大眾視野的新團隊來說，這個開局相當搶眼。

從骨骼與光學入手，抓住導演的意圖

Video Rebirth 的創始人是前騰訊傑出科學家劉威博士（Dr. Wei Liu）。他直言，現在的影視團隊不是在問 AI 能不能做出驚豔的畫面，而是在問 AI 到底能不能聽懂導演真正想拍什麼。

比如甩鏡頭不是普通的慢推，人物從剋制轉為憤怒再到落淚，也不是隨機變張臉。如果連這些基本鏡頭語言和情緒都分不清，AI 影片就只能停留在玩具階段，進不了專業製作管線。

為了解決角色一致性問題，Bach 拿出了名為「物理原生注意力」（Physics-Native Attention，簡稱 PNA）的技術機制。它不只是在畫面畫素上尋找相似度，而是從人體的骨骼結構、膚色、比例關係和肌肉動態等底層物理特徵來錨定身份。

這樣一來，導演就能針對每個鏡頭分別指定情緒。比如第一鏡沉著剋制，第二鏡憤怒對峙，第三鏡默默落淚，模型可以精準還原微表情的張力。

在運鏡控制上，它採用了雙重擴散 Transformer（DDiT）架構，把專業攝影語言翻譯成物理運動。不管是快速甩鏡帶來的真實動態模糊，還是跟焦帶來的景深轉換，甚至古典油畫般的倫勃朗光，都是通過物理建模渲染出來的，而不是套一層後期濾鏡。

告別碎卡拼接，30 秒多鏡頭一次成片

除了底層技術，Bach 帶來的 Montage 功能可以說是創作者最關心的工具。

以往用 AI 做片子，創作者必須一段接一段地延展生成，再手動匯出到外部剪輯軟體拼接，稍有不慎人物樣貌或光影就穿幫了。

Montage 改變了這種做法。你只需要上傳角色參考圖和場景素材，寫下分鏡序列的描述，Bach 就能一次性輸出最長 30 秒、包含多個鏡頭的完整短片，鏡頭切換和敘事節奏由模型自動協調。

目前，全球大型電商平臺、影視工作室、短劇工坊、廣告公司和遊戲團隊都已經進入了測試階段。普通創作者現在也可以直接去它的官網 bach.art 註冊，利用贈送的免費額度上手體驗。

為什麼重要

對於短劇團隊、獨立廣告人和自媒體創作者來說，Bach 1.0 最大的價值是大幅壓縮製作週期。能在一個提示詞流程裡同時搞定分鏡、角色固定和基礎音訊，做樣片和微短劇的試錯成本會成倍降低，完全值得現在去官網薅免費額度跑兩個分鏡測試。

對整個行業而言，競爭焦點正在從「單鏡頭比拼畫面細節」轉向「成片交付的工業化工作流」。當頭部廠商還在死磕更長更穩定的單鏡頭時，Video Rebirth 試圖把鏡頭語言、剪輯邏輯和聲音一體化打包，這會倒逼其他影片模型加速完善工作流工具。

我們認為，從人體骨骼和攝影物理入手來解決一致性，思路非常聰明，比單純用資料硬懟畫素要可靠得多。不過潛在的挑戰也很明顯：30 秒多鏡頭的敘事容錯率極低，如果中間某一個鏡頭的邏輯垮掉，重新生成的算力成本會遠高於單段短片。另外排在第六也說明它在極限動態或複雜互動上與頭部選手仍有差距，但作為一個獨立團隊的初作，它已經把 AI 導演工具的門檻向前推了一大步。