2月15日，OpenAI发布了逆天的文生视频工具Sora，震惊了全球。
短短两个多月的时间，世界大厂们仿佛被踩了尾巴的猫，各个张牙舞爪地秀肌肉，从质疑Sora，到成为Sora，再到追赶Sora的声音此起彼伏，更甚者一些有“经商”头脑的人开始做起了Sora培训的生意……
虽然喊破喉咙我们绝不能服输，但一直也没有实质性的进展，虽说像Pixverse这种已经算是华人之光了，但差距仍然非常明显，特别是在长视频生成方向，仍然在“襁褓”状态。
昨天，在中关村论坛未来人工智能先锋论坛上，生数科技联合清华大学发布了一条短片，竟然让我们燃起了希望之火……
这是国内首个长时长、高一致性、高动态性视频大模型——「Vidu」。
终于不再是动图了……终于有个像样的视频了，它的最长时间达到了16秒，并且画面效果非常接近Sora，让人非常惊喜，感谢生数科技和清华大学人工智能研究院。
模型采用的是原创Diffusion与Transformer融合的架构U-ViT，分辨率高达1080P，在多镜头语言、时间和空间一致性、遵循物理规律等方面都有不错的表现。
提示词：在宁静的湖边，一只熊猫热切地弹着吉他，让整个环境变得活跃起来。晴朗天空下平静的水面倒映着这一场景，以生动的全景镜头捕捉到，将现实主义与大熊猫活泼的精神融为一体，创造出活力与平静的和谐融合
虽然时长还差得远，但内容真的和Sora差别不大了。
特别是听说这个团队在Sora发布后成立了攻坚小组，加速了Ai短视频的研发速度，3月份实现了8秒视频生成，4月份实现了16秒……
要知道，Sora并没有公布太多的技术细节，能在这么短的时间内突破，真的要说一句：向你们致敬。
感性放一放，咱们理性地来看一下，我个人理解的Vidu的重大突破。
从三个方面分析一下：一个视频多个镜头、懂得物理规律、多角度一致性。
这是我个人感觉最绝的一点，在这之前，大多数工具文生视频或者图生视频都非常别扭。
不是人物或者物品扭曲，就是听不懂我们说的话，但这段视频展示的效果，真的像一个人拿着手机拍了三段合成一段的感觉。
提示词：在一个古色古香的海边小屋里，阳光沐浴着房间，镜头缓慢过渡到一个阳台，俯瞰着宁静的大海，最后镜头定格在漂浮着大海、帆船和倒影般的云彩。
在之前OpenAI也放出过类似的视频，大家对汽车稳稳行驶在悬崖边，并且轮胎卷起的尘土印象深刻。
而Vidu的这段视频，也丝毫不输，也能够清晰地看到轮胎卷起的尘土，以及随着汽车前行，光影和树木的变化，虽说画质有点达不到电影级别，但也已经比较接近了。
提示词：镜头跟随一辆带有黑色车顶行李架的白色老式SUV，它在陡峭的山坡上一条被松树环绕的陡峭土路上加速行驶，轮胎扬起灰尘，阳光照射在SUV上行驶土路，给整个场景投射出温暖的光芒。土路缓缓地蜿蜒延伸至远方，看不到其他汽车或车辆。道路两旁都是红杉树，零星散落着一片片绿意。从后面看，这辆车轻松地沿着曲线行驶，看起来就像是在崎岖的地形上行驶。土路周围是陡峭的丘陵和山脉，上面是清澈的蓝天和缕缕云彩
视频的流畅性和连贯性对于观众的观看体验至关重要，它们是构成叙事结构和视觉享受的基础。
在视频制作中，确保人物动作和场景转换的时空一致性是一大挑战。
然而，「Vidu」技术在这一领域取得了突破性进展。这个视频为例，即便是在镜头不断移动的情况下，画面中的猫——作为视频的焦点——其表情和服饰始终保持高度一致性。
整个视频无论在时间上还是在空间上，都展现出了卓越的连贯性和流畅性，显著提升了视频的整体质量和观赏性。这不仅证明了「Vidu」在视频生成技术方面的先进性，也预示着未来视频制作领域的巨大潜力。
提示词：这是一只蓝眼睛的橙色猫的肖像，慢慢地旋转，灵感来自维米尔的《戴珍珠耳环的女孩》，画面上戴着珍珠耳环，棕色头发像荷兰帽一样，黑色背景，工作室灯光
我的心情久久还没平静下来，或许有些夸张，真的为国人感到骄傲。
Sora出来的时候我们被群嘲过，说退潮之后才知道谁在裸泳，确实国内的科技水平着实一时半会儿赶不上国外，不过我们真的很努力地在追赶了。
照这个速度，真的无法想象一年以后会发生什么……拭目以待！
![图片[1]-国产Sora来了？清华团队发布视频大模型Vidu，多镜头、懂物理规律-夜影资源](https://www.maikeking.top/wp-content/uploads/2024/09/frc-91e2baf17c495337cc6493596b7c83f5.jpeg)
暂无评论内容