# Emu3 – 北京智源推出的统一输入与生成多模态模型

- Link: https://paooo.com/aigc-news/26641/
- Published: 2026-07-09T00:58:26+08:00
- Author: 站外新闻

## Emu3是什么

Emu3是由北京智源人工智能研究院推出的一款原生多模态世界模型，采用智源自研的多模态
自回归技术路径，在图像、视频、文字上联合训练，使模型具备原生多模态能力，实现图像、
视频、文字的统一输入和输出。Emu3将各种内容转换为离散符号，基于单一的Transformer模型
来预测下一个符号，简化了模型架构。Emu3在图像生成方面，只需一段文本描述可创造出符合
要求的高质量图像，表现超越了专门的图像生成模型SDXL。在图像和语言的理解能力上，Emu3
能准确描述现实世界场景给出恰当的文字回应，无需依赖CLIP或预训练的语言模型。Emu3能
延续现有视频内容，自然地扩展视频场景。

阅读目录

 * [Emu3是什么](https://paooo.com/aigc-news/26641/#emu3%e6%98%af%e4%bb%80%e4%b9%88)
 * [Emu3的主要功能](https://paooo.com/aigc-news/26641/#emu3%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Emu3的技术原理](https://paooo.com/aigc-news/26641/#emu3%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Emu3的项目地址](https://paooo.com/aigc-news/26641/#emu3%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Emu3的应用场景](https://paooo.com/aigc-news/26641/#emu3%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Emu3](https://paooo.com/wp-content/uploads/2026/07/Emu3-website-1.avif)

## Emu3的主要功能

 * **图像生成**：Emu3能根据文本描述生成高质量图像，支持不同分辨率和风格 。
 * **视频生成**：Emu3能生成视频，通过预测视频序列中的下一个符号来创作视频，不依赖
   复杂的视频扩散技术 。
 * **视频预测**：Emu3能自然地延续现有视频内容，预测接下来会发生什么，模拟物理世界中
   的环境、人物和动物 。
 * **图文理解**：Emu3能理解物理世界并提供连贯的文本回应，无需依赖CLIP或预训练的语言
   模型 。

## Emu3的技术原理

 * **下一个token预测**：Emu3的核心是下一个token预测，属于一种自回归方法，模型被训练
   预测序列中的下一个元素，无论是文本、图像还是视频。
 * **多模态序列统一**：Emu3将图像、文本和视频数据统一到一个离散的token空间中，使
   单一的Transformer模型处理多种类型的数据。
 * **单一Transformer模型**：Emu3用一个从零开始训练的单一Transformer模型处理所有类型
   的数据，简化模型架构并提高效率。
 * **自回归生成**：在生成任务中，Emu3通过自回归方式，一个接一个地预测序列中的token，
   从而生成图像或视频。
 * **图文理解**：在图文理解任务中，Emu3能将图像编码为token，然后生成描述图像内容
   的文本。

## Emu3的项目地址

 * **项目官网**：[emu.baai.ac.cn/about](https://emu.baai.ac.cn/about?utm_source=ai-bot.cn)
 * **GitHub仓库**：[https://github.com/baaivision/Emu3](https://github.com/baaivision/Emu3)
 * **HuggingFace模型库**：[https://huggingface.co/collections/BAAI/emu3-66f4e64f70850ff358a2e60f](https://huggingface.co/collections/BAAI/emu3-66f4e64f70850ff358a2e60f)
 * **技术论文**：[https://baai-solution.ks3-cn-beijing.ksyuncs.com/emu3/Emu3-tech-report.pdf](https://baai-solution.ks3-cn-beijing.ksyuncs.com/emu3/Emu3-tech-report.pdf?KSSAccessKeyId=AKLTgew6Kdg6RsK92QSfB2KLA&Expires=2591406552&Signature=6BvwfLVqvfww26Bhwvk3mG0FrL8%3D)

## Emu3的应用场景

 * **内容创作**：Emu3根据文本描述自动生成图像和视频，助力艺术家和设计师快速实现创意。
 * **广告与营销**：基于Emu3生成吸引人的广告素材，提升品牌宣传效果。
 * **教育**：Emu3将复杂概念可视化，增强学生的学习体验。
 * **娱乐产业**：Emu3辅助游戏和电影制作，创造逼真的虚拟环境。
 * **设计和建筑**：Emu3用于生成设计原型和建筑渲染图，提高设计效率。
 * **电子商务**：Emu3帮助在线零售商生成产品展示图像，提升购物体验。

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[⚡ AIGC 早报生成器](https://paooo.com/mtool/)