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。

　　对于小组赛首战，国足已经准备了很长时间，主教练扬科维奇一直通过技战术和视频分析，向队员强调对手每个位置、每名球员的特点，球队自身如何应对和发挥。从1月12日开始，球队还将对塔吉克斯坦进行赛前最后的重点和细化分析。☢94J8y的这中索聊“广州预约茶微信”8sZcMx7i(　)【　】(　)【　】(2)【2】(5)【5】(日)【ri】(，)【，】(南)【nan】(京)【jing】(市)【shi】(委)【wei】(书)【shu】(记)【ji】(韩)【han】(立)【li】(明)【ming】(、)【、】(市)【shi】(长)【chang】(陈)【chen】(之)【zhi】(常)【chang】(都)【dou】(外)【wai】(出)【chu】(暗)【an】(访)【fang】(检)【jian】(查)【zha】(安)【an】(全)【quan】(工)【gong】(作)【zuo】(。)【。】(韩)【han】(立)【li】(明)【ming】(在)【zai】(当)【dang】(天)【tian】(召)【zhao】(开)【kai】(的)【de】(市)【shi】(委)【wei】(常)【chang】(委)【wei】(会)【hui】(会)【hui】(议)【yi】(上)【shang】(表)【biao】(示)【shi】(，)【，】(“)【“】(这)【zhe】(起)【qi】(事)【shi】(故)【gu】(令)【ling】(我)【wo】(们)【men】(十)【shi】(分)【fen】(痛)【tong】(心)【xin】(、)【、】(给)【gei】(我)【wo】(们)【men】(当)【dang】(头)【tou】(棒)【bang】(喝)【he】(”)【”】(。)【。】。