我國自研視頻大模型面向全球上線

輸入文字描述或上傳圖片，就能生成一段逼真視頻。近日，我國自主研發(fā)的通用視頻大模型Vidu（www.vidu.studio）面向全球正式上線。據(jù)悉，這款視頻大模型開放文生視頻、圖生視頻兩大核心功能，提供4秒和8秒兩種時(shí)長選擇，分辨率最高達(dá)1080P，生成一段4秒的視頻片段經(jīng)實(shí)測僅需30秒。

Vidu由清華大學(xué)聯(lián)合北京生數(shù)科技有限公司共同研發(fā)，于今年4月在2024中關(guān)村論壇年會(huì)上首次發(fā)布。清華大學(xué)人工智能研究院副院長、北京生數(shù)科技首席科學(xué)家朱軍介紹，Vidu具有“長時(shí)長、高一致性、高動(dòng)態(tài)性”的特點(diǎn)，可根據(jù)文字和圖片生成高清視頻，且能保持高流暢、高動(dòng)態(tài)的畫面效果。截至目前，Vidu可支持一次性生成最長32秒的視頻。

“Vidu能模擬真實(shí)物理世界，生成細(xì)節(jié)復(fù)雜且符合物理規(guī)律的場景，例如合理的光影效果、細(xì)膩的人物表情等，還能創(chuàng)造出具有深度和復(fù)雜性的超現(xiàn)實(shí)主義內(nèi)容?！敝燔娬f，對(duì)于科幻、西部、浪漫、動(dòng)畫等多類型電影，Vidu能生成符合對(duì)應(yīng)風(fēng)格的畫面片段，還能生成影視級(jí)特效畫面，如煙霧、特效光影等效果。

據(jù)介紹，在動(dòng)態(tài)性方面，Vidu可生成復(fù)雜動(dòng)態(tài)鏡頭，支持大幅度、精準(zhǔn)的動(dòng)作生成，能在畫面里實(shí)現(xiàn)遠(yuǎn)景、近景、中景、特寫等不同鏡頭的切換，能直接生成長鏡頭、追焦、轉(zhuǎn)場等效果。

記者從北京生數(shù)科技有限公司獲悉，除文生視頻和圖生視頻的兩大基礎(chǔ)功能外，為了給用戶提供更多樣化和個(gè)性化的視頻創(chuàng)作體驗(yàn)，Vidu還上線“動(dòng)漫風(fēng)格”和“角色一致性”兩大新功能。在“圖生視頻”板塊中，利用“角色一致性”功能，用戶可上傳人像圖或自定義的角色圖，通過文字描述就可指定圖中角色在任意場景中做任意動(dòng)作。該功能簡化了視頻制作流程，也提升了創(chuàng)作自由度。

據(jù)悉，操作Vidu無須申請(qǐng)，用戶直接使用郵箱注冊(cè)即可上手體驗(yàn)。Vidu的技術(shù)突破源于研發(fā)團(tuán)隊(duì)在機(jī)器學(xué)習(xí)和多模態(tài)大模型方面的長期積累，其核心技術(shù)架構(gòu)由團(tuán)隊(duì)在2022年就提出并持續(xù)開展自主研發(fā)。