Vidu：中国初の本格的長尺・高一貫性・高ダイナミック動画生成モデル 373

Viduは生数科技と清華大学が協力して開発したVidu動画大規模モデルであり、革新的なU-ViTアーキテクチャにより、Soraクラスに到達した国内初の動画大規模モデルとなっています。このモデルは技術面で世界初であるだけでなく、オープンソースのUniDiffuserモデルを通じて、大規模なスケーラビリティの検証を実現しています。

Viduはリアルな物理世界をシミュレートできるだけでなく、豊かな想像力も備えており、マルチショット生成や高い時空間一貫性をサポートしています。ViduモデルはDiffusionとTransformer技術を融合し、独自にU-ViTアーキテクチャを開発しました。ワンクリックで最大16秒、解像度1080Pの高画質動画コンテンツを生成できます。

Viduの機能特徴：

• モデル構造：ViduモデルはDiffusionとTransformer技術を融合し、独自にU-ViTアーキテクチャを開発しました。

• 動画生成能力：Viduはワンクリックで最大16秒、解像度1080Pの高画質動画コンテンツを生成できます。

• 3D生成：シンプルなテキスト入力に基づき、高品質で多様性に富み創造性豊かな画像を生成します 画像生成 API呼び出し オンライン体験 テキストまたは画像入力に基づき、パーソナライズされた3Dモデルを生成 | 既存の3Dモデルに基づき、テクスチャなどを自動編集。
  

• 実用デモ：公式資料では、「アトリエの中の船がカメラに向かって進んでくる」という動画サンプルが公開されており、船舶や波のリアルな表現が示されています。

• 高度な機能：Viduはリアルな物理世界をシミュレートできるだけでなく、豊かな想像力も備えており、マルチショット生成や高い時空間一貫性をサポートしています。

北京生数科技有限公司（略称「生数科技」）は2023年3月に設立され、中心チームは清華大学人工知能研究院のメンバーによって構成されています。さらに、Alibaba、Tenceent、ByteDanceなどの有名IT企業から集まったトップ人材が揃っており、世界トップレベルの深層生成アルゴリズム研究チームであり、拡散確率モデルの基盤技術における创新能力を有しています。テキスト、画像、動画、3Dなど複数モーダル情報を融合させた世界トップレベルのマルチモーダル大規模モデルの構築に取り組んでおり、アートデザイン、ゲーム制作、映像制作、コンテンツソーシャルなどのシナリオで生成型aiのビジネス活用を探求し、AIを通じて人間の創造力と生産性向上を目指しています。