Vidu是什么？

Vidu是由生数科技联合清华大学发布的中国首个长时长、高一致性、高动态性视频大模型。该模型采用原创的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。

Vidu的主要功能

• 长时高清视频生成：Vidu能够根据用户的文字描述生成长达16秒的高清视频，分辨率达到1080P，这在以往的视频生成模型中是较为突出的，因为大多数模型通常只能生成几秒钟的视频。

• 高一致性多镜头切换：Vidu在生成视频时，能够在不同镜头之间保持高度一致性，这对于制作叙事连贯的视频内容尤为重要。

• 动态场景捕捉：该模型不仅能够生成静态画面，还能够捕捉和渲染动态场景，包括复杂的动作和物体运动。

• 物理世界模拟：Vidu能够模拟真实世界的物理特性，如光影效果、物体的物理行为等，使得生成的视频内容更加逼真。

• 创意想象力：除了模拟现实，Vidu还能够基于文本描述或指令，创造出具有想象力的场景和故事，拓宽了视频内容创作的边界。

• 多模态融合架构U-ViT：Vidu采用了Diffusion与Transformer融合的架构，这种架构的创新使得模型在处理视觉任务时更为高效和强大。