16秒生成高清视频 科技翻新再打破 我国自研视频大模型颁布

重播 播放 进入全屏 点击按住可拖动视频

新华社北京4月27日电（记者魏梦佳）只需一段文字指令就能生成一段真切视频，往年终，文生视频大模型Sora在环球人工默认业内外引发宽泛关注。27日，2024中关村论坛年会上初次颁布我国自研的具长时长、高分歧性、高灵活性特点的文生视频大模型Vidu。

记者从会上得知，这一视频大模型由清华大学联结北京生数科技有限公司独特研发，可依据文本形容间接生生长达16秒、分辨率高达1080P的高清视频内容，不只能模拟实在物理环球，还领有丰盛构想力。

清华大学人工默认钻研院副院长、生数科技首席迷信家朱军说，以后国际视频大模型的生成视频时长大多为4秒左右，Vidu则可成功一次性性生成16秒的视频时长。同时，视频画面能坚持连接流利，随着镜头移动，人物和场景在期间、空间中能坚持高分歧性。

在灵活性方面，Vidu能生成复杂的灵活镜头，不再局限于便捷的推、拉、移等固定镜头，而是能在一段画面里成功远景、远景、中景、特写等不同镜头的切换，包含能间接生生长镜头、追焦、转场等成果。

Vidu能模拟实在物理环球，生成细节复杂且合乎物理法令的场景，例如正当的光影成果、细腻的人物表情等，还能发明出具备深度和复杂性的超事实主义内容。朱军引见，因为驳回一步到位的生成模式，视频片段从头到尾延续生成，没有显著的插帧现象。

此外，Vidu还可生成如熊猫、龙等笼统。

据悉，Vidu的技术打破源于团队在机器学习和多模态大模型方面的常年积攒，其外围技术架构由团队早在2022年就提出并继续展开自主研发。作为一款通用视觉模型，咱们置信，Vidu未来能允许生成愈加多样化、更长时长的视频内容，探求不同的生成义务，其灵敏架构也将兼容更宽泛的模态，进一步拓展多模态通用才干的边界。朱军说。

---

---

相关标签： 清华大学、 人工默认、 2019未来迷信大奖、 机器学习、 技术、 朱军、 物理、

上一篇：英文版正式出版发行p习近平谈一带一路style

下一篇：从山西一隅窥见中国式现代化的万千气象