Vidu 是由生数科技联合清华大学发布的视频大模型。

vidu 是中国首个长时长、高一致性、高动态性的视频大模型。它采用原创的 diffusion 与 transformer 融合的架构 u-vit，支持一键生成长达16秒、分辨率高达1080p 的高清视频内容。该模型不仅能够模拟真实物理世界，还拥有丰富想象力，具备多镜头生成、时空一致性高等特点。

vidu 的主要功能包括：

• 长时高清视频生成：可根据用户的文字描述生成长达16秒的高清视频。
• 高一致性多镜头切换：在生成视频时能在不同镜头之间保持高度一致性。
• 动态场景捕捉：能够捕捉和渲染包括复杂动作和物体运动在内的动态场景。
• 物理世界模拟：模拟真实世界的物理特性，如光影效果、物体的物理行为等。
• 创意想象力：基于文本描述或指令创造出具有想象力的场景和故事。

7月30日，vidu 宣布在全球范围内上线，向公众提供服务，其开放了文生视频、图生视频两大核心功能，提供4秒和8秒两种时长选择，分辨率最高达1080p。