中国首个Sora级大模型：文本生成16秒，1080p高清视频

文章摘要

【关 键 词】 视频模型、多模态、创新能力、高清内容、研发实力

4月27日，在2024中关村论坛-未来人工智能先锋论坛上，清华大学联合生数科技发布了中国首个长时间、高一致性、高动态性视频大模型——Vidu。Vidu采用了U-ViT架构，支持生成长达16秒、分辨率高达1080P的高清视频内容，具备模拟真实物理世界和丰富想象力的特点。这一突破性的视频大模型在性能上达到国际顶尖水平，并在功能迭代中不断加速发展。生数科技的研发实力强大，已在全球顶级期刊arxiv上发布了多篇技术论文，团队在贝叶斯机器学习和多模态大模型领域取得了多项原创性成果。U-ViT架构是全球首个Diffusion与Transformer融合的架构，早于Sora采用的DiT架构。生数科技在2023年3月开源了基于U-ViT融合架构的多模态扩散模型UniDiffuser，并成功研发了Vidu视频大模型，显著提升视频的连贯性和动态性。Vidu的发布不仅验证了U-ViT融合架构在大规模视觉任务中的成功性，也展示了生数科技在多模态原生大模型领域的创新能力。作为通用视觉模型，Vidu能够生成更加多样化、更长时长的视频内容，未来还将支持更广泛的模态，拓展多模态通用能力的边界。生数科技成立于2023年3月，是全球领先的深度生成式算法研究团队，致力于打造世界领先的多模态大模型，通过AI提升人类的创造力和生产力。生数科技还提供文生图片、文本或图片生成3D模型，已经提供在线使用。

原文和模型

【原文链接】 阅读原文 [ 1155字 | 5分钟 ]
【原文作者】 AIGC开放社区
【摘要模型】 gpt-3.5-turbo-0125
【摘要评分】 ★☆☆☆☆

OpenAI ChatGPT

ChatGPT是OpenAI公司开发的一种大型语言模型。它是一种基于Transformer架构的深度学习模型，可以对语言进行建模和生成。它可以处理问答、对话生成、文本生成等多种任务。