【Vidu发布】中国首个长时长、高一致性、高动态性Video AI大模型

就在昨日（2024年4月27日），北京生数科技有限公司（以下简称“生数科技”）联合清华大学在中关村论坛-未来人工智能先锋论坛上，正式发布中国首个长时长、高一致性、高动态性视频大模型：Vidu。

该模型采用生数科技团队原创的Diffusion与Transformer融合的架构U-ViT。

据发布会介绍，Vidu不仅支持一键生成长达16秒、分辨率高达1080P的高清视频内容，还能够模拟真实物理世界，拥有丰富想象力，具备多镜头生成、时空一致性高等特点。

* 由生数科技发布的Vidu官方展示视频（视频时长01:29）

01

全球首个U-ViT融合架构

Vidu的快速突破源自于团队在贝叶斯机器学习和多模态大模型的长期积累和多项原创性成果。其核心技术U-ViT架构由团队于2022年9月提出，早于Sora采用的DiT架构，是全球首个Diffusion与Transformer融合的架构，完全由团队自主研发。

* Paper：《All are Worth Wor