Bernini

Bernini 是一个面向视频生成与编辑的统一框架，通过多模态大语言模型（MLLM）驱动的语义规划器与扩散变换器（DiT）渲染器协同工作，实现对视频内容的高层语义理解与高质量像素级生成。其技术特点包括端到端的潜在空间语义规划、支持文本/图像/视频多模态输入的编辑能力，以及针对Hopper架构GPU（如H100）优化的高效推理。适用于需要高可控性与语义一致性的专业视频创作、AIGC内容生产及研究型视频生成任务。