百度搜索近日宣布，旗下文心助手AIGC创作能力迎来重大升级，推出覆盖AI图片、视频、音乐、播客等8大模态的创作矩阵，并同步发布行业首个开放式实时互动数字人智能体。此次升级标志着搜索引擎从传统信息检索工具向“全能创作与服务平台”的深度转型，在技术突破与生态构建上均实现跨越式发展。
在视频生成领域，依托百度蒸汽机（文心专精）模型的技术迭代，文心助手突破了传统AI视频10秒左右的时长限制，实现“输入一段话生成3分钟故事大片”的长视频实时交互创作。从情节设计、角色建模到镜头运镜、配乐合成，全流程由AI自动完成，生成速度超越国内主流同类模型。平台还集成了“一句话写歌”“MV制作”“名场面模仿秀”等特色功能，搭配超30种特效模板，形成覆盖静态图像处理、动态视频制作、音频创作的完整生态链。
据百度搜索相关负责人透露，文心助手用户日均生成AIGC内容已突破千万量级，多模态创作工具的规模化应用价值得到充分验证。更值得关注的是，即将上线的音乐数字人分身功能将进一步打通“创作-演绎”全链路，实现AI从内容生成到个性化演绎的闭环。
除内容创作外，文心助手在任务解决能力上也实现关键升级。通过构建多工具调用引擎，用户可一键触发跨领域服务，覆盖生活规划、健康咨询、教育辅导、职场办公等核心场景。例如，家长查询“小学生科学实验方案”时，系统会自动整合实验步骤文本、器材清单图片、操作演示短视频，并生成可打印的任务卡，避免用户多次切换工具。
这一“需求-解决方案”的直达模式，源于文心大模型对用户意图的深度理解与资源调度能力。百度方面表示，该功能通过持续学习用户交互数据，正不断优化工具组合策略与响应效率，未来将覆盖更多生活场景。
同期发布的开放式实时互动数字人智能体成为另一大亮点。该技术基于文心大模型4.5构建，融合NOVA数字人技术的核心优势，具备三大特性：其一，超拟真交互体验，通过10分钟真人样本数据即可复刻声音特征、动作习惯与微表情，口型准确率与表情自然度达行业领先水平；其二，毫秒级响应能力，采用云渲染与端渲染双引擎适配，兼容多终端场景，实时对话延迟控制在百毫秒以内；其三，开放式服务生态，目前已接入法律、情感、旅游等领域的专家数字分身，用户可直接就专业问题展开深度对话，未来还将开放第三方开发者平台。
