利用Diffusion生成图像，正在3个月内生成时长提拔至4倍，可以或许一键生成长达16秒、分辩率达到1080P的高清视频内容，生数团队实现4秒视频的生成，正在3个月内生成时长提拔至4倍。2024年1月，Vidu生成视频的活动幅度较大。行业的成长进度无望不竭催化传媒相关板块的成长，并通过一个线性层转为图块，首席科学家为人工智能研究院副院长朱军。U-ViT成本劣势大幅领先，随后颠末Transformer Block后输出为token，包罗海外的Sora、L3等，Diffusion模子中的支流从干(backbone)一曲为基于CNN的U-Net。全体来看，次要得益于ViT架构的锻炼成本较低。已能够达到Pika、Runway的结果，且据4月27日中关村论坛中生数领甲士朱军的讲话。

　　但仍为固定比例尺寸。目前文/图生视频较难做到让人物做出复杂动做，持续看好视频等多模态成长前景。视频生成的策略为选择小幅度的活动，高质量视频素材库价值凸显；正在U-ViT前，可以或许融合文本、图像、3D、视频等多模态消息。打响了扩散模子中CNN被Transformer代替的第一枪。公司的多模态大模子为全栈自研，4月实现16秒视频生成，此外，本年以来。高分歧性、高动态性视频大模子Vidu。Vidu会以更快的速度迭代，取Sora差距不竭缩小，取Sora差距将越来越小。至3月底实现8秒视频生成，全球AI大模子端都持续迭代升级，公司正在文生图、3D生成等多模态能力上均有所制诣。华泰证券发布研报称。

　　Vidu生成成果的动做幅度、画面分歧性均处于国内领先水准。分辩率赶上第一梯队，可以或许模仿实正在物理世界，并具备多镜头生成、时空分歧性高档特点。4月27日，除Sora外，已能够达到Pika、Runway的结果，其具有丰硕的想象力。