新華社北京4月27日電（記者魏夢佳）只需一段文字指令就能生成一段逼真視頻,，今年初,，文生視頻大模型Sora在全球人工智能業(yè)內(nèi)外引發(fā)廣泛關(guān)注,。27日,，2024中關(guān)村論壇年會上首次發(fā)布我國自研的具“長時長、高一致性,、高動態(tài)性”特點(diǎn)的文生視頻大模型Vidu,。

　　記者從會上獲悉，這一視頻大模型由清華大學(xué)聯(lián)合北京生數(shù)科技有限公司共同研發(fā),，可根據(jù)文本描述直接生成長達(dá)16秒,、分辨率高達(dá)1080P的高清視頻內(nèi)容，不僅能模擬真實物理世界,，還擁有豐富想象力,。

　　清華大學(xué)人工智能研究院副院長、生數(shù)科技首席科學(xué)家朱軍說,，當(dāng)前國內(nèi)視頻大模型的生成視頻時長大多為4秒左右,，Vidu則可實現(xiàn)一次性生成16秒的視頻時長。同時,，視頻畫面能保持連貫流暢,，隨著鏡頭移動，人物和場景在時間,、空間中能保持高一致性,。

　　在動態(tài)性方面，Vidu能生成復(fù)雜的動態(tài)鏡頭,，不再局限于簡單的推,、拉、移等固定鏡頭,，而是能在一段畫面里實現(xiàn)遠(yuǎn)景,、近景、中景,、特寫等不同鏡頭的切換,，包括能直接生成長鏡頭,、追焦、轉(zhuǎn)場等效果,。

　　“Vidu能模擬真實物理世界，生成細(xì)節(jié)復(fù)雜且符合物理規(guī)律的場景,，例如合理的光影效果,、細(xì)膩的人物表情等，還能創(chuàng)造出具有深度和復(fù)雜性的超現(xiàn)實主義內(nèi)容,?！敝燔娊榻B，由于采用“一步到位”的生成方式,，視頻片段從頭到尾連續(xù)生成,，沒有明顯的插幀現(xiàn)象。

　　此外,，Vidu還可生成如熊貓,、龍等形象。

　　據(jù)悉,，Vidu的技術(shù)突破源于團(tuán)隊在機(jī)器學(xué)習(xí)和多模態(tài)大模型方面的長期積累,，其核心技術(shù)架構(gòu)由團(tuán)隊早在2022年就提出并持續(xù)開展自主研發(fā)?！白鳛橐豢钔ㄓ靡曈X模型,，我們相信，Vidu未來能支持生成更加多樣化,、更長時長的視頻內(nèi)容,，探索不同的生成任務(wù)，其靈活架構(gòu)也將兼容更廣泛的模態(tài),，進(jìn)一步拓展多模態(tài)通用能力的邊界,。”朱軍說,。