清华系出手，推出全面对标Sora的视频大模型

据新浪科技2024年4月28日消息，在中关村论坛未来人工智能先锋论坛上，生数科技联合清华大学发布了视频大模型Vidu。该模型采用团队原创的 Diffusion 与 Transformer 融合的架构 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 不仅能够模拟真实物理世界，还拥有丰富想象力，具备多镜头生成、时空一致性高等特点。它是自 Sora 发布之后全球率先取得重大突破的视频大模型，性能全面对标国际顶尖水平，并在加速迭代提升中。

与 Sora 一致，Vidu 能够根据提供的文本描述直接生成长达16秒的高质量视频。短片中的片段都是从头到尾连续生成，没有明显的插帧现象，推测 Vidu 采用的是“一步到位”的生成方式，与 Sora 一样，文本到视频的转换是直接且连续的，在底层算法实现上是基于单一模型完全端到端生成，不涉及中间的插帧和其他多步骤的处理。