直接生成16秒高清视频 我国自研视频大模型在京发布

只需一段文字指令就能生成一段逼真视频，今年初，文生视频大模型Sora在全球人工智能业内外引发广泛关注。27日，2024中关村论坛年会上首次发布我国自研的具“长时长、高一致性、高动态性”特点的文生视频大模型Vidu。

　　记者从会上获悉，这一视频大模型由清华大学联合北京生数科技有限公司共同研发，可根据文本描述直接生成长达16秒、分辨率高达1080P的高清视频内容，不仅能模拟真实物理世界，还拥有丰富想象力。

　　清华大学人工智能研究院副院长、生数科技首席科学家朱军说，当前国内视频大模型的生成视频时长大多为4秒左右，Vidu则可实现一次性生成16秒的视频时长。同时，视频画面能保持连贯流畅，随着镜头移动，人物和场景在时间、空间中能保持高一致性。

　　在动态性方面，Vidu能生成复杂的动态镜头，不再局限于简单的推、拉、移等固定镜头，而是能在一段画面里实现远景、近景、中景、特写等不同镜头的切换，包括能直接生成长镜头、追焦、转场等效果。

　　“Vidu能模拟真实物理世界，生成细节复杂且符合物理规律的场景，例如合理的光影效果、细腻的人物表情等，还能创造出具有深度和复杂性的超现实主义内容。”朱军介绍，由于采用“一步到位”的生成方式，视频片段从头到尾连续生成，没有明显的插帧现象。

　　此外，Vidu还可生成如熊猫、龙等形象。

　　据悉，Vidu的技术突破源于团队在机器学习和多模态大模型方面的长期积累，其核心技术架构由团队早在2022年就提出并持续开展自主研发。“作为一款通用视觉模型，我们相信，Vidu未来能支持生成更加多样化、更长时长的视频内容，探索不同的生成任务，其灵活架构也将兼容更广泛的模态，进一步拓展多模态通用能力的边界。”朱军说。

ΘoO优⊙◎●︻︼︽【　】Σ【　】ξ流ぁ星ぷ☆芸芸※╰☆真情人☆★〓张明【2】〓★卐古愁Ж阿梁Θ☆剑※客☆づぜ☆九☆妹【0】➳【2】￡劲￠【§杰§】^*^ゃ【1】〓刹〓奇遇【年】ぞ【4】®【月】┃【2】☣【7】✉【日】る【，】♫【江】★★靓妹爱帅哥〓魅力四射★★◆嗨－－天马流星拳【淮】÷【汽】☼【车】び【发】▅【布】で【公】┦【布】≧０≦o(╥﹏╥)o//(ㄒo【称】卐々∞Ψ∪∩∈∏の℡ぁ§∮〝〞【，】◆【公】〖【司】☆【董】︻【事】ご☆—可珂≈【会】八【于】オ【近】÷＝≠≒∞ˇ±√⊥∠【日】♫【收】™【到】❅【董】ぜ【事】た【长】ウ【安】↗【进】≈【的】◐【辞】〗【职】々〆のぁ〡〢〣〤〥〦〧〨【报】♂【告】♚【，】に【安】卐【进】.【因】●【退】▇█┗┛【休】♀【原】☆肖◎静☆♀杀♀【因】Ⓐ【辞】ん【去】ゑ【公】☁【司】≈【第】◈【七】ぜ【届】♀★♂I☆★☆★Love★☆★☆You♂☆♀う≮灬爱你不久メ就壹辈子灬≯う【董】﹥「」︵︶︷︸︹︺〔〕【事】◎【会】▅【董】し【事】↖【长】五【及】☒【董】❤【事】♥【会】¡【下】∏╰☆╮≠→№←︵︶︹︺【设】つ【专】♋【门】☏【委】你要唔要啊∩¤々♀♂^ǒ^*★*^ǒ^*☆*^ǒ^*【员】❥【会】奇ゆ※婷＄婷§☆月光GRIL☆→茶褒╆仔≮【的】一【相】一【应】ΘAMY￥Ж【紫色流星】【职】△▲☆★◇◆■□▽▼§￥【务】】【。】。