快科技4月28日消息，在2024中關(guān)村論壇年會未來人工智能先鋒論壇上，生數(shù)科技聯(lián)合清華大學(xué)發(fā)布中國首個長時長、高一致性、高動態(tài)性視頻大模型Vidu。

這也是自Sora發(fā)布之后全球率先取得重大突破的視頻大模型，性能全面對標(biāo)國際頂尖水平，還在加速迭代提升中。

據(jù)了解，該模型采用團(tuán)隊原創(chuàng)的Diffusion與Transformer融合的架構(gòu)U-ViT，支持一鍵生成長達(dá)16秒、分辨率高達(dá)1080P的高清視頻內(nèi)容。

除了在時長方面突破，Vidu在視頻效果方面也實現(xiàn)了顯著提升，主要包括：

能夠生成細(xì)節(jié)復(fù)雜的場景，且符合真實的物理規(guī)律；

能夠生成真實世界不存在的虛構(gòu)畫面，創(chuàng)造出具有深度和復(fù)雜性的超現(xiàn)實主義內(nèi)容；

能夠生成復(fù)雜的動態(tài)鏡頭，不再局限于簡單的推、拉、移等固定鏡頭，而是能夠圍繞統(tǒng)一主體在一段畫面里就實現(xiàn)遠(yuǎn)景、近景、中景、特寫等不同鏡頭的切換；

在16秒的時長上保持連貫流暢，隨著鏡頭的移動，人物和場景在時間、空間中能夠保持一致；

能夠生成特有的中國元素，例如熊貓、龍等。