火山引擎在近期的視頻云技術大會上發布了一項重要創新:大模型訓練視頻預處理方案。這一技術已成功應用于豆包視頻生成模型，標志著AI視頻生成技術的重大進展。

火山引擎總裁譚待強調，AIGC和多模態技術正在深刻改變用戶體驗。基于抖音的實踐經驗，火山引擎正積極探索AI大模型與視頻技術的融合，為企業提供全方位解決方案。

抖音集團視頻架構負責人王悅指出，大模型訓練面臨諸多挑戰，包括海量數據處理成本高、樣本質量不一、處理鏈路復雜，以及多種異構算力資源的調度問題。

為應對這些挑戰，火山引擎開發的預處理方案基于自研的多媒體處理框架BMF，并借助Intel的多樣化算力資源。該方案在算法和工程層面進行了優化，能高效處理海量視頻數據，顯著提高模型訓練效率。

此外，火山引擎還開源了移動端后處理解決方案BMF lite版本，支持端側大模型接入和算子加速，更加輕量化和通用。

值得注意的是，9月24日發布的豆包視頻生成模型PixelDance已采用這一技術方案。該模型采用DiT架構，突破了多主體運動的復雜交互和多鏡頭切換的內容一致性難題。目前，豆包視頻生成模型已通過火山引擎向企業開放邀測。