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。
（来源：新华社 记者：魏梦佳）
3月5日上午，十四届全国人大二次会议首场“部长通道”在人民大会堂举行，科学技术部部长阴和俊接受采访。 2023年我国研发投入超3.3万亿元 我国科技事业发展出现了一片新的气象。从投入看，去年全年研发投入超过3.3万亿元 浙江通超工贸有限公司（简称“通超工贸”）于近日签约入驻企知道科创空间，以专业的大数据科创管理平台，助力自身更高阶发展。作为一家专业从事开发、生产橡胶制品的民营企业，通超工贸经过多年的发展，在国内高 新快报讯 3月6日，十四届全国人大二次会议新闻中心发布公告，广东代表团将于3月7日上午9时举行开放团组会议，审议政府工作报告，审查计划报告和草案、预算报告和草案，并在会后接受采访。 他说，关于食品卫生，每一件事情都备受关注，建立起溯源空间，一旦出现问题，才能第一时间发现食品卫生问题的源头，然后堵住漏洞；他说，关于老旧小区加装电梯和更新电梯的提案，实际上是要解决“一老一小”“最后一米”出现的安全问 南方财经全媒体记者 翁榕涛 广州报道日前，“走访上市公司工作、推动上市公司高质量发展”全国视频会议在京召开。广东省认真落实会议部署，在前期走访调研温氏股份、融捷股份、亿纬锂能 AI技术持续迭代，各类大模型层出不穷，算力军备竞赛不止。近日，海外人工智能公司推出的大模型Claude3，能力对标GPT-4，在同期AI模型中处于领先水平，进一步带来了AI大模型领域技术层面的新突破。AI模型端的不断 。本文链接：直接生成16秒高清视频 我国自研视频大模型在京发布http://www.sushuapos.com/show-1-11925-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。