字节跳动推出DiT大模型视频字幕无痕擦除技术，提升全球化传播效率

字节跳动近日推出基于DiT大模型的视频字幕无痕擦除技术，通过像素级修复与多语言适配能力，显著提升视频内容全球化传播效率。该技术由火山引擎视频点播团队研发，已通过超万集视频数据验证，擦除任务成功率高达100%。

核心技术突破
方案采用双模型协同架构：DiT视频字幕擦除模型通过强鲁棒性预训练基底与两阶段训练策略，实现像素级无痕修复；字体级分割模型则突破传统OCR检测框的粗放擦除局限，精准定位字符间距与内部空隙，避免背景纹理失真。测试显示，该技术可稳定处理包含阴影、描边、多语言混排的动态字幕，即使在浅色背景或半透明字幕场景下仍保持高精度。

工程化落地优势
火山引擎多媒体实验室创新采用分布式分镜计算技术，结合服务器集群资源，将处理效率提升数倍。其”擦除-翻译-口型同步”一站式闭环支持中英文及主流小语种，通过语音韵律分析与面部动作对齐技术，实现翻译字幕与人物口型的动态匹配，适配俚语及文化语境差异。

行业应用前景
该技术已服务于短剧出海、跨境电商等场景，有效解决传统方案导致的画面模糊、帧间闪烁等问题。影视公司可通过该方案快速完成多语言版本制作，教育领域则能实现教学视频的无损本地化。目前相关模型权重与训练代码已部分开源，技术团队正持续优化小语种支持范围。