原標(biāo)題：生數(shù)科技發(fā)布視頻大模型「Vidu」引關(guān)注清華團(tuán)隊(duì)國(guó)產(chǎn)Sora火了

【環(huán)球網(wǎng)科技綜合報(bào)道】近日,，生數(shù)科技聯(lián)合清華大學(xué)發(fā)布了視頻大模型「Vidu」，引發(fā)了廣泛關(guān)注,。

這一模型支持一鍵生成長(zhǎng)達(dá)16秒,、分辨率達(dá)1080p的高清視頻內(nèi)容，畫(huà)面效果接近Sora,，并且在多方面表現(xiàn)出色,，包括鏡頭語(yǔ)言、時(shí)空一致性,、物理模擬等方面,，讓人驚嘆。

背后的團(tuán)隊(duì)僅用了兩個(gè)月的時(shí)間就取得了這一突破,。

與Sora的對(duì)標(biāo)

在視頻生成方面,，「Vidu」與Sora進(jìn)行了全面對(duì)標(biāo)。

從視頻長(zhǎng)度,、時(shí)空一致性,、鏡頭語(yǔ)言、物理模擬等方面看,，「Vidu」已經(jīng)逼近了Sora的水平,。

生成的視頻長(zhǎng)度達(dá)到了16秒，畫(huà)面流暢,，細(xì)節(jié)豐富,，邏輯連貫，呈現(xiàn)出高度接近真實(shí)世界的效果,。

鏡頭語(yǔ)言注入

在視頻制作中,，鏡頭語(yǔ)言是非常重要的概念，能夠幫助表達(dá)故事情節(jié),、揭示角色心理,、營(yíng)造氛圍等,。

現(xiàn)有AI生成的視頻在鏡頭語(yǔ)言方面往往表現(xiàn)單調(diào)，而「Vidu」則通過(guò)生成轉(zhuǎn)場(chǎng),、追焦,、長(zhǎng)鏡頭等效果，成功注入了更加豐富的鏡頭語(yǔ)言,，提升了視頻的整體敘事感,。

時(shí)空一致性保持

視頻畫(huà)面的連貫和流暢性取決于人物和場(chǎng)景的時(shí)空一致性。

「Vidu」在一定程度上克服了這一問(wèn)題,，保持了視頻的連貫性和流暢性,，展現(xiàn)出良好的時(shí)間、空間一致性,，讓觀眾體驗(yàn)更加真實(shí),。

模擬真實(shí)物理世界

「Vidu」能夠模擬真實(shí)物理世界的運(yùn)動(dòng)，包括物體的移動(dòng)和相互作用,。

與Sora相比,，「Vidu」在灰塵、光影等細(xì)節(jié)方面表現(xiàn)出色,，接近真實(shí)世界的體驗(yàn),，展現(xiàn)出優(yōu)秀的技術(shù)能力。

豐富的想象力與中國(guó)元素

「Vidu」不僅能生成現(xiàn)實(shí)世界中的畫(huà)面,，還能虛構(gòu)出真實(shí)世界不存在的超現(xiàn)實(shí)主義畫(huà)面,。

此外，「Vidu」還能注入特有的中國(guó)元素,，如熊貓,、龍等，為視頻內(nèi)容增添了新意,。

團(tuán)隊(duì)背景與技術(shù)路線

生數(shù)科技的團(tuán)隊(duì)來(lái)自清華大學(xué)人工智能研究院,，致力于圖像、3D,、視頻等多模態(tài)大模型領(lǐng)域的研究,。

他們基于自研的U-ViT架構(gòu)開(kāi)發(fā)了「Vidu」，該架構(gòu)融合了Transformer和Diffusion模型,，展現(xiàn)出卓越的生成能力,。

團(tuán)隊(duì)在多模態(tài)領(lǐng)域發(fā)表了多篇頂會(huì)論文，積累了豐富的研究經(jīng)驗(yàn),。

生數(shù)科技通過(guò)「Vidu」展現(xiàn)了其在視頻生成領(lǐng)域的創(chuàng)新能力和技術(shù)實(shí)力,，為未來(lái)視頻內(nèi)容創(chuàng)作帶來(lái)了更多可能性。

其快速突破和優(yōu)秀表現(xiàn)也讓人期待其未來(lái)的發(fā)展和應(yīng)用,。