百度 MuseSteamer 蒸汽机

数据来源与规模

MuseSteamer（蒸汽机，2025-07）无技报。媒体报道称其能力来自"亿级中文多模态数据清洗、精细化视频结构化描述语言、多目标强化学习"，DiT 架构，由移动生态商业体系研发，主打中文音视频一体生成 [1]。数据来源、规模、SFT 数据均未披露。

推断与边界

百度拥有搜索、百家号、好看视频等内容生态，但这些是否进入训练没有一手证据，不应当作事实。"亿级"是媒体转述的数量级，单位（条、片段或图文对）不明，⚠️。多目标强化学习指向偏好奖励数据，但量级未披露。

争议

未查到训练数据相关诉讼或供应商关系。与已披露完整过滤管线的开源阵营（如 wan、hunyuanvideo）相比，百度属于闭源且无数据账的一类。