字节跳动开源Bernini统一框架：AI视频编辑从盲生成迈入可控时代

双层架构：理解与生成分离

Bernini创新性采用双层架构：MLLM多模态大模型作为规划器负责语义理解，解析文本指令、源视频和参考素材，生成清晰的语义规划方案；DiT扩散模型作为渲染器承接语义目标，专注高质量视觉渲染，保留原视频结构、镜头与运动关系。这种先规划后落地的模式彻底解决了AI视频编辑效果失控的痛点。

全场景可控编辑能力

Bernini覆盖视频编辑、参考生成全场景：支持指令化精准编辑，一键修改天气、材质、风格并同步调整环境光影；支持图片/视频作为参考素材，可植入指定物体、迁移材质风格；支持关键帧生成连续镜头，理解空间逻辑，适配虚拟漫游和影视预演等场景。

开源生态影响

目前Bernini推理代码与权重已开放，完整版本即将上线。这是继HunyuanVideo、Wan2.2之后又一个重量级国产AI视频开源项目，有望推动AI视频创作从专业工具向大众化普及，降低高质量视频创作的技术门槛。