在中關村論壇的未來人工智能先鋒論壇中，生數科技與清華大學攜手，正式推出了中國首個具備長時長、高一致性及高動態性的視頻大模型——“Vidu”。
這款引領時代的視頻大模型，其核心在于團隊原創的Diffusion與Transformer融合的U-ViT架構。它不僅能一鍵生成長達16秒、清晰度達到1080P的高清視頻，更能在模擬真實物理世界的同時，展現出驚人的想象力。多鏡頭生成、時空高度一致，這些都是Vidu的獨特魅力。
值得一提的是，Vidu自發布以來，便在全球范圍內取得了顯著突破，其性能與國際頂尖水平比肩，并仍在不斷迭代優化中。這一成就，離不開團隊在貝葉斯機器學習和多模態大模型領域的深厚積累和多項原創性成果。
特別是團隊于2022年9月提出的U-ViT架構，作為全球首個Diffusion與Transformer的融合架構，為Vidu的誕生奠定了堅實基礎。隨后，在2023年3月，團隊再次領先，開源了基于U-ViT融合架構的多模態擴散模型UniDiffuser，成功驗證了U-ViT架構的大規模可擴展性。
基于對U-ViT架構的深入理解和豐富的工程、數據經驗，團隊在極短的時間內攻克了長視頻表示與處理的多項關鍵技術難題，從而研發出了Vidu視頻大模型。這款模型在提升視頻連貫性和動態性方面表現出色，進一步推動了視頻處理技術的發展。
Vidu的問世，不僅再次驗證了U-ViT融合架構在大規模視覺任務中的卓越性能，也展示了生數科技在多模態原生大模型領域的持續創新能力和行業領先地位。作為通用視覺模型，Vidu能夠生成更加多樣化、更長時長的視頻內容，其靈活的架構也將為未來兼容更廣泛的模態、拓展多模態通用能力的邊界提供無限可能。
原創文章，作者：科技探索者，如若轉載，請注明出處：http://www.bdzhitong.com/article/651014.html
