基本介紹

Vidu是北京生數(shù)科技有限公司聯(lián)合清華大學(xué)發(fā)布的中國首個長時長、高一致性,、高動態(tài)性視頻大模型,，于2024年4月27日在中關(guān)村論壇未來人工智能先鋒論壇上發(fā)布，模型采用團(tuán)隊(duì)原創(chuàng)的全球首個Diffusion與Transformer融合的架構(gòu)U-ViT,。

2024年7月,，Vidu面向全球上線，核心功能包括參考生視頻、圖生視頻,、圖生視頻,。可生成4秒和8秒視頻,，分辨率最高達(dá)1080P,。上線百天用戶數(shù)即破千萬，2025年1月15日為止,，是全球增速最快的AI視頻模型,。

Vidu自上線以來就致力于解決“一致性”核心難題，Vidu1.5發(fā)布“多圖參考”功能,，是全球首個發(fā)布“多主體一致性”的視頻模型,。

發(fā)展歷程

Vidu的快速突破源自于團(tuán)隊(duì)在貝葉斯機(jī)器學(xué)習(xí)和多模態(tài)大模型的長期積累和多項(xiàng)原創(chuàng)性成果。其核心技術(shù)U-ViT架構(gòu)由團(tuán)隊(duì)于2022年9月提出,，早于Sora采用的DiT架構(gòu),，是全球首個Diffusion與Transformer融合的架構(gòu)。2023年3月,，團(tuán)隊(duì)開源了全球首個基于U-ViT融合架構(gòu)的多模態(tài)擴(kuò)散模型UniDiffuser,，率先完成了U-ViT架構(gòu)的大規(guī)模可擴(kuò)展性驗(yàn)證,。

2024年4月27日,，在中關(guān)村論壇未來人工智能先鋒論壇上，生數(shù)科技聯(lián)合清華大學(xué)正式發(fā)布中國首個長時長,、高一致性,、高動態(tài)性視頻大模型——Vidu。Vidu是自Sora發(fā)布之后全球率先取得重大突破的視頻大模型,，性能全面對標(biāo)國際頂尖水平,，并在加速迭代提升中。

2024年6月6日,，Vidu模型能力迭代更新,，支持一鍵生成達(dá)32秒的視頻、支持音視頻生成,、支持Vidu4D生成,。

2024年7月30日，生數(shù)科技自研視頻大模型Vidu上線,。

2024年9月11日,，Vidu全球首發(fā)“主體參照”功能,，一張照片實(shí)現(xiàn)主體可控,。

2024年9月25日，Vidu正式開放API。

2024年11月13日,，Vidu1.5上線,，全球首發(fā)“多主體一致性”能力，標(biāo)志著視覺模型進(jìn)入全新的“上下文”時代,。

2025年1月15日,，Vidu2.0上線，推動視頻生成走向人人可用的奇點(diǎn)時刻,。3月17日晚間,，生數(shù)科技宣布，旗下視頻大模型產(chǎn)品Vidu正式與美國知名動漫制作工作室Aura Productions達(dá)成戰(zhàn)略合作,。

特色功能

主要功能

參考生視頻：全球首個參考生視頻功能,，讓創(chuàng)作的角色、物體,、場景等始終保持一致

圖生視頻：基于任意圖片描述您想象的畫面,，即刻動態(tài)呈現(xiàn)，讓您的創(chuàng)意栩栩如生

文生視頻：用文字描述您想象的畫面,，自由表達(dá)創(chuàng)意,，即刻創(chuàng)作視頻

功能特色

Vidu開放了參考生視頻、文生視頻,、圖生視頻三大核心功能,，提供4s和8s兩種時長選擇，分辨率最高達(dá)1080P,。

Vidu在生成速度,、一致性、動態(tài)性等方面具備領(lǐng)先優(yōu)勢,，生成一段4秒視頻僅需10秒,。

參考生視頻

通過上傳1-3張參考圖，Vidu 1.5可實(shí)現(xiàn)對單主體100%的精確控制,，同時實(shí)現(xiàn)多主體交互控制,、主體與場景融合控制，能夠無縫集成人物,、道具和場景等元素,。

動畫風(fēng)格

Vidu可以生成效果優(yōu)異的動畫視頻

錯峰模式

Vidu支持閑時免費(fèi)生成視頻。