清華團隊發(fā)布視頻大模型Vidu 可生成16 秒、1080P 視頻

　　生數(shù)科技與清華大學在中關村論壇未來人工智能先鋒論壇上共同發(fā)布了中國首個長時長、高一致性、高動態(tài)性視頻大模型——Vidu。這款模型是國內(nèi)首個達到Sora級別的視頻大模型，標志著中國在視頻生成技術領域的重要進展。

　　Vidu的主要特點和技術創(chuàng)新包括:

　　模型結(jié)構(gòu): Vidu采用了創(chuàng)新性的U-ViT架構(gòu)，該架構(gòu)融合了Diffusion(擴散)與Transformer技術。

　　視頻生成能力: Vidu能夠一鍵生成長達16秒、分辨率高達1080P的高清視頻內(nèi)容，滿足長視頻內(nèi)容的生成需求。

　　實際應用演示: 官方資料中的一個視頻示例展示了“畫室中的一艘船駛向鏡頭”的場景，船和海浪的逼真效果體現(xiàn)了Vidu的強大生成能力。

　　高級功能: Vidu不僅能夠模擬真實物理世界，還具備豐富的想象力，支持多鏡頭生成和高時空一致性，為視頻創(chuàng)作提供了更多可能性。

　　技術先進性:

　　全球首創(chuàng): Vidu的U-ViT架構(gòu)是全球首個將Diffusion與Transformer融合的架構(gòu)，早于其他類似模型使用的技術。

　　開源成就:2023年3月，團隊開源了基于U-ViT架構(gòu)的多模態(tài)擴散模型UniDiffuser，這是全球首個此類模型，驗證了U-ViT架構(gòu)的大規(guī)�？蓴U展性。