字节跳动推出120亿参数Vidi2 AI模型：彻底自动化视频编辑，提升创作效率

字节跳动 近日发布了震动业界的 Vidi2 多模态大语言模型，这款模型拥有 120亿个参数，专注于视频理解与编辑。Vidi2 的推出标志着视频编辑领域进入了全自动化时代，简化了创作过程，大幅提高了效率。

Vidi2 AI模型详细介绍
https://www.alphaxiv.org/abs/2511.19529

Vidi2的核心亮点

1. 精细的时空定位（STG）功能

Vidi2 具备强大的时空定位（Spatiotemporal Grounding，STG）功能，能够精确识别视频中的 时间戳 和目标对象的 边界框，这使得视频内容的理解与编辑更加准确和高效。无论是在处理长视频、短视频片段，还是特定场景的裁剪，Vidi2 都能提供精细的控制。

2. 强大的处理能力

该模型基于 Gemma-3 主干网络，结合了 自适应标记压缩技术，即便在处理长视频时，也能确保高效的运行并且细节不丢失。这种技术保证了在复杂视频处理中的表现，同时提升了模型的运行速度和准确性。

3. 应用于TikTok的创新工具

Vidi2 的核心技术已应用到 TikTok 等字节跳动旗下平台的创作工具中，例如 Smart Split 功能。该功能实现了视频的自动剪辑、重构和自动添加字幕，极大地简化了内容创作和编辑的工作量，提升了用户的创作体验。

4. 完全自动化的视频编辑

Vidi2 的推出意味着视频编辑进入了 全自动化时代。创作者只需要提供简单的提示，Vidi2 就能自动完成视频内容的提取、编辑、剪辑和重构。这为个人创作者、企业内容生产团队以及营销人员节省了大量时间和精力，极大地提升了视频创作的效率。

---

适用场景

Vidi2 模型广泛应用于以下领域：

• 短视频平台：如 TikTok、Instagram 等，帮助创作者高效编辑视频内容。
• 电影和视频制作：自动化处理大量视频素材，提升影视后期制作效率。
• 广告和营销：快速生成符合需求的广告片段，提升制作和发布的速度。
• 教育与培训：根据课程内容自动生成视频教材，提升学习效率。