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。

÷【　】ΘAMY￥Ж【紫色流星】【　】も【2】じ【0】↗【1】♥【6】¡【年】わ【9】┄【月】め【2】◈【5】♀★♂I☆★☆★Love★☆★☆You♂☆♀う≮灬爱你不久メ就壹辈子灬≯う【日】﹥「」︵︶︷︸︹︺〔〕【，】ギクグ【“】￡劲￠【§杰§】^*^ゃ【中】〓★卐古愁Ж阿梁Θ☆剑※客☆づぜ☆九☆妹【国】℉【天】∟⊿㏒★☆☉oo¤♂の↑↓【眼】※【”】≈{}~～()_-『』√$@*&#※【宣】▅【告】一【落】だ【成】.【启】◤【用】≈【。】✪【今】❤【年】↗【以】☆【来】ザシジス【，】│【“】ざ【中】な【国】げ【天】ひ【眼】ょ【”】♂【不】☆翩☆ば≈翩☆ぷ※卡摸卑鄙☆不要骗我※【断】【拓】❥【展】☼【人】❅【类】ゥ【观】す【测】ん【宇】☒【宙】❅【的】☮【视】七【野】✍【极】◇【限】♒【—】▽【—】ご【首】℉【次】✪【在】↗【射】△√∩¤々♀♂∞①ㄨ≡↘↙▂▂▃【电】웃【波】Ρ【段】✿【观】☒【测】⊙【到】↑【黑】ぷ【洞】✈【“】√【脉】ΘoO优⊙◎●︻︼︽【搏】◥【”】●○●ゃōゃ⊙◎╄▄█▌の☆→あぃ￡＃＠＆＊￥☆★¤⊕☉【、】♂【探】≮爱过伤过悔过哭过≯ぷ￠◎ㄨ○搞基的【测】✞【到】龙※吻▲∧∞∧Ж阿梁Θo○朋友o○←①≯烟火≠≤C&c☆乐园≥【纳】→【赫】.【兹】ま【引】い【力】¡【波】✞【存】Ρ【在】◐【的】☮【关】ご☆—可珂≈【键】➳【证】ツ火龙り⌒☆YWH☆⌒◥⊙坦⊙克⊙◤【据】八【、】か【发】☏【现】℉【迄】━【今】そ【轨】유【道】◐【周】ΘoO优⊙◎●︻︼︽【期】◎【最】★【短】+小Ｓ♂桃∴子♀しovの吐【脉】○Оοo靓￡仔oοОo泡【冲】▅【星】ら【双】二【星】✪【系】⌘【统】☏【…】△▲☆★◇◆■□▽▼§￥【…】。