财经新闻网消息：
该模型采用团队独创的集成架构U-ViT，支持一键生成长达16秒、分辨率高达1080P的高清视频内容。
Vidu生成的视频：戴珍珠耳环的猫 图片来源：Vidu
虽然Sora在可以根据文本指令生成60秒的完整视频方面仍然“遥遥领先”，但从视频生成效果来看，Vidu已经对标Sora，这也引发了社交媒体的广泛热议。
Vidu背后的团队盛数科技成立于2023年，一年多的时间里完成了多轮融资。 其股东包括启明创投、大泰资本、百度创投、蚂蚁集团等，以及另一家明星AI大模型公司智普AI。
实现多项突破
清华大学人工智能研究院副院长、盛数科技首席科学家朱军在论坛上表示，微度实现了“全栈自主创新”和“多维度全面突破”，共6项成果。主要特点：模拟真实的物理世界，富有想象力。 ，具有多镜头语言、出色的视频时长、较高的时空一致性以及对中国元素的理解。
此前Sora发布后，介绍Sora可以深入理解运动中的物理世界。 一个经典的案例是生成一张“一辆旧SUV在山坡上行驶”的图片。 Sora可以很好的模拟轮胎扬起的灰尘、树林中的光影以及汽车行驶时的影子变化。
论坛上，Vidu与Pika、Gen-2、Sora等其他大型视频模型进行了比较。 根据演示结果，在相同的提示词下，维杜和索拉的生成效果高度相似。 一辆越野车在森林里行驶。 阳光透过树叶的缝隙照射进来，在车身上形成光斑，车轮在凹凸不平的路上扬起灰尘……
除了能够模拟真实的物理世界并生成复杂的细节之外，Vidu还拥有丰富的想象力。 它可以生成现实世界中不存在的虚构图像，创造出具有深度和复杂性的超现实内容，例如“工作室中的一艘船在波浪上驶向相机”。
朱军表示：“维度作为国内大型自研视频模型，也能理解中国元素，能够在视频中生成熊猫、龙等独特的中国元素。”
值得一提的是，Vidu生成的短视频是从头到尾连续生成的，没有明显的插帧。 这就是Vidu背后的“一站式”生成方法。 从文本到视频的转换是直接且连续的。 在底层，算法实现完全基于单一模型端到端，不涉及中间帧插入或其他多步骤处理。
短短两个月进步神速
朱军表示：“今年2月 Video大模型Sora发布后，我们发现它与我们的技术路线高度契合，这也让我们坚定地进一步推进研究。”
Vidu的快速突破来源于团队在贝叶斯机器学习和多模态大模型方面的长期积累和多项原创成果。 其核心技术U-ViT架构是团队于2022年9月提出的，早于Sora采用的DiT架构。 它是全球首个与手机集成的架构，完全由团队自主研发。
Sora发布后，基于对U-ViT架构的深入理解以及长期积累的工程和数据经验，团队在短短两个月内进一步突破了长视频表示和处理的关键技术，开发并推出了Vidu视频大模型，显着提高了视频连贯性和动态性。
圣数科技成立于2023年3月，由清华人工智能公司瑞来智能、蚂蚁集团和BV百度创投联合孵化创立。 一年内完成多轮融资。 今年3月，圣数科技宣布完成新一轮数亿元融资，由启明创投领投，大泰资本、鸿福厚德、智普AI以及老股东BV百度创投、卓远亚洲跟投。
文森视频大模型正在加速应用渗透
4月15日，全球多媒体巨头Adobe在其官网宣布，将把Sora、Pika等整合到视频编辑软件Pro（简称“PR”）中。 此外，Adobe 已经在开发一种视频模型，该模型将为 PR 中的视频和音频编辑工作流程提供支持； AI 驱动的音频功能通常可以使音频编辑更快、更容易、更直观。 据了解，Adobe现有用户3300万，未来有望成为大型机型的巨大市场。
中信证券认为，文盛视频有望推动视频创作者生产力革命，大幅降低制作成本和创作门槛，有望率先落地短视频和动漫两大领域。 建银国际认为，视频模型在各行业有着广泛的应用，包括但不限于营销广告、研发培训、电商零售、娱乐游戏等。全球范围内，AIGC市场规模预计将从据 称，2023 年将达到 670 亿美元，到 2030 年将达到 8970 亿美元，复合年增长率高达 45%。 对于中国市场，艾瑞预计其行业规模将从2023年的143亿元增长至2030年的11,441亿元，年复合增长率高达87%。
免责声明 ① 本网所刊登文章均来自网络转载;文章观点不代表本网立场,其真实性由作者或稿源方负责 ② 如果您对稿件和图片等有版权及其他争议,请及时与我们联系,我们将核实情况后进行相关删除 ③ 联系邮箱:215858170@qq.com
Copyright © 2017-2018