Vidu —— 由生数科技推出的一款视频生成大型模型，能够制作出时长为16秒、分辨率为1080P的视频。

Vidu指的是什么

Vidu作为首个在中国问世的长时高一致性和动态性的视频大型模型，由生数科技携手清华大学共同研发而成。此AI视频创作系统运用独创的U-ViT框架，并融合Diffusion与Transformer算法，实现了用户只需一键操作即可生成16秒长度、分辨率达到1080P级别的高清视频内容。Vidu具备模拟现实物理环境的能力，拥有强大的创造力，能够实现多视角画面生成并维持空间时间的一致性，在表现上可媲美Sora，并标志着中国在视频大型模型技术领域取得了显著的进步。

Vidu的核心特性

• 从文本转换为视频创作通过提供简短的文字说明，用户能够迅速创建一段时长为16秒的高清晰度影片，这显著减少了对复杂制片技能的需求，让没有专业背景的人也能够便捷地产出优质的视觉内容。
• 高质量图像输出Vidu能够创建最高达1080P分辨率的视频，其产出的画面极为清晰，非常适合于各类高清晰度显示屏播放。
• 多种视角创作功能Vidu具备生成多种视角视频的能力，可以创造出类似电影及电视剧中的多重镜头转换效果，从而提升了视频的动感与吸引力。
• 仿真实际环境Vidu可以模仿现实世界中的物理属性，包括物体动态和光线变化等方面，从而使制作出的视频效果更为真实。
• 维持时间与空间的一致性当创建多视角视频时，Vidu确保各个视角间的时空连接顺畅无误，防止了因视角转换而导致的时间空间混乱问题。
• 充沛的创意能力除再现现实生活外，Vidu亦拥有充沛的创造力，能生成独特的视频作品，以迎合用户对于创新展示的需求。
• 多种模式的整合能力尽管当前Vidu主要集中于创建视频内容，但由于具备多模态大型模型的优势，预计将来它可以结合文字、图片等不同形式的数据，制作出更为多样且生动的视频作品。

Vidu的系统结构设计

• 扩散技术扩散模型是一项用于创建高精度图像和视频的生成式技术，其原理是逐渐增加噪点，并训练系统逆向这一添加噪音的过程。Vidu借助这种扩散模型来制作出既连贯又高度真实的视频片段。
• 变换器结构Transformers是一款主要用于自然语言处理的深度学习框架，凭借其卓越的表现力与适应性，在诸如计算机视觉等多个领域得到了广泛应用。Vidu利用Transformer结构来进行视频数据分析和处理。
• U-ViT结构U-ViT代表了Vidu技术框架的心脏部分，是一项创造性地集成Diffusion和Transformer元素的技术革新。这一构想出自生数科技的研究小组之手，并且在世界上首次实现了这种类型的架构整合，巧妙地融合了来自Diffusion模型的创造潜能与Transformer模型的信息处理能力。
• 多元融合扩散模型UniDiffuser由生数科技研发的UniDiffuser是一款依托于U-ViT框架的多模态扩散模型，该模型证实了U-ViT结构在应对大型视觉挑战方面的扩展能力。
• 长效视频的表达及处理方法基于U-ViT架构，Vidu在长视频的表现和处理技术上取得了显著进步，从而能创建更加延长且连贯的视频内容。
• 基于贝叶斯理论的机器学习方法采用统计学原理的贝叶斯机器学习技术，在模型概率预测的调整上运用了贝叶斯定理。在Vidu的研发阶段，项目小组应用此方法以提升模型的表现能力。

怎样操作Vidu

当前，Vidu尚处于发布初期阶段，并未开放正式的访问与使用渠道。有意向的企业或机构可申请成为其合作伙伴计划的一员，详情请见：https://shengshu.feishu.cn/share/base/form/shrcnybSDE4Id1JnA5EQ0scv1Ph

适合使用Vidu的人群

• 制作视频的内容创作者Vidu向视频创作者们提供了一款高效的软件，能够迅速创建出精良的视频作品，特别适合自由职业者、影视制作者以及动画设计师使用。
• 制作游戏的创作者们游戏制作小组能够运用Vidu创造出身临其境的游戏场景与生动背景，从而增强游戏的画面质量和用户的沉浸感受。
• 从事广告与市场推广的专家们Vidu能让广告策划者与市场团队高效且经济地创作出引人注目的视频广告，进而更精准地锁定潜在顾客。
• 教学人员教育工作者与导师能够通过运用Vidu来创建教学影片，例如演示实验或再现历史场景，从而让学习体验变得更加生动且引人入胜。
• 媒体从业者新闻媒体与记者能够运用Vidu来创造新闻播报里的活动背景或是仿真实景，以此增强报道的现实感及视觉吸引力。