4月27日，在2024中關(guān)村論壇年會未來人工智能先鋒論壇上，生數(shù)科技聯(lián)合清華大學正式發(fā)布中國首個長時長、高一致性、高動態(tài)性視頻大模型——Vidu。
該模型采用團隊原創(chuàng)的Diffusion與Transformer融合的架構(gòu)U-ViT，支持一鍵生成長達16秒、分辨率高達1080P的高清視頻內(nèi)容。
生數(shù)科技消息顯示，Vidu不僅能夠模擬真實物理世界，還擁有豐富想象力，具備多鏡頭生成、時空一致性高等特點。Vidu是自Sora發(fā)布之后，全球率先取得重大突破的視頻大模型，性能全面對標國際頂尖水平，并在加速迭代提升中。
生數(shù)科技指出，其核心技術(shù)U-ViT架構(gòu)由團隊于2022年9月提出，早于Sora采用的DiT架構(gòu)，是全球首個Diffusion與Transformer融合的架構(gòu)。2023年3月，該團隊開源了全球首個基于U-ViT融合架構(gòu)的多模態(tài)擴散模型UniDiffuser，率先完成了U-ViT架構(gòu)的大規(guī)�？蓴U展性驗證。
作為通用視覺模型，Vidu能夠支持生成更加多樣化、更長時長的視頻內(nèi)容，同時面向未來，靈活架構(gòu)將能夠兼容更廣泛的模態(tài)，進一步拓展多模態(tài)通用能力的邊界。
生數(shù)科技成立于2023年3月，創(chuàng)始團隊來自清華大學人工智能研究院，是全球范圍內(nèi)最早從事擴散概率模型研究的團隊之一。
今年3月12日，生數(shù)科技宣布完成新一輪數(shù)億元融資，由啟明創(chuàng)投領(lǐng)投，達泰資本、鴻福厚德、智譜AI、老股東BV百度風投和卓源亞洲繼續(xù)跟投。融資將主要用于多模態(tài)基礎(chǔ)大模型的迭代研發(fā)、應(yīng)用產(chǎn)品創(chuàng)新及市場拓展。
