圖：掃一掃有片睇
今年初，文生視頻大模型Sora在全球人工智能業內外引發廣泛關注。27日，2024中關村論壇年會上首次發布中國自研的具「長時長、高一致性、高動態性」特點的文生視頻大模型Vidu。這一視頻大模型由清華大學聯合北京生數科技有限公司共同研發，可根據文本描述直接生成長達16秒、分辨率高達1080P的高清視頻內容，不僅能模擬真實物理世界，還擁有豐富想像力。
清華大學人工智能研究院副院長、生數科技首席科學家朱軍說，當前內地視頻大模型的生成視頻時長大多為4秒左右，Vidu則可實現一次性生成16秒的視頻時長。同時，視頻畫面能保持連貫流暢，隨着鏡頭移動，人物和場景在時間、空間中能保持高一致性。
「Vidu能模擬真實物理世界，生成細節複雜且符合物理規律的場景，還能創造出具有深度和複雜性的超現實主義內容。」朱軍介紹，由於採用「一步到位」的生成方式，視頻片段從頭到尾連續生成，沒有明顯的插幀現象，「我們相信，Vidu未來能支持生成更加多樣化、更長時長的視頻內容，探索不同的生成任務，其靈活架構也將兼容更廣泛的模態，進一步拓展多模態通用能力的邊界。」\新華社
