中新網上海新聞4月28日電(記者 李佳佳)由生數科技聯合清華大學推出的中國首個Sora級視頻大模型Vidu近日發布，它也是中國首個長時長、高一致性、高動態性視頻大模型。

　　據介紹，該模型采用團隊原創的Diffusion與Transformer融合的架構U-ViT，支持一鍵生成長達16秒、分辨率高達1080P的高清視頻內容。Vidu不僅能夠模擬真實物理世界，還擁有豐富想象力，具備多鏡頭生成、時空一致性高等特點。Vidu是自Sora發布之后全球率先取得重大突破的視頻大模型，性能全面對標國際頂尖水平，并在加速迭代提升中。

　　Vidu的快速突破源自于團隊在貝葉斯機器學習和多模態大模型的長期積累和多項原創性成果。其核心技術U-ViT架構由團隊于2022年9月提出，早于Sora采用的DiT架構，是全球首個Diffusion與Transformer融合的架構，完全由團隊自主研發。

　　2023年3月，團隊開源全球首個基于U-ViT架構的多模態擴散大模UniDiffuser，在全球范圍內率先完成融合架構的大規?？蓴U展性(Scaling Law)驗證。UniDiffuser是在大規模圖文數據集LAION-5B上訓練出的近10億參數量模型，支持圖文模態間的任意生成和轉換。在架構上，UniDiffuser比同樣DiT架構的Stable Diffusion 3領先了一年。

　　自今年2月Sora發布推出后，團隊基于對U-ViT架構的深入理解以及長期積累的工程與數據經驗，在短短兩個月進一步突破長視頻表示與處理關鍵技術，研發推出Vidu視頻大模型，顯著提升視頻的連貫性與動態性。

　　從圖文任務的統一到融合視頻能力，作為通用視覺模型，Vidu能夠支持生成更加多樣化、更長時長的視頻內容，同時面向未來，靈活架構也將能夠兼容更廣泛的模態，進一步拓展多模態通用能力的邊界。

　　Vidu的問世，不僅是U-ViT融合架構在大規模視覺任務中的又一次成功驗證，也代表了生數科技在多模態原生大模型領域的持續創新能力和領先性。同時生數科技表示，大模型的突破是一個多維度、跨領域的綜合性過程，需要技術與產業應用的深度融合。因此在發布之際，生數科技正式推出“Vidu大模型合作伙伴計劃”，誠邀產業鏈上下游企業、研究機構加入，共同構建合作生態。(完)

注：請在轉載文章內容時務必注明出處!   

編輯：李佳佳