视频生成产品 Vidu 全球上线，4s 视频仅需 30s 时间，业界最快

7月30日，生数科技的视频生成大模型 Vidu 面向全球正式上线。

Vidu 是 国内首个纯自研视频大模型。4 月底首 次亮相以来，Vidu 凭借媲美 Sora 的视频生成效果，迅速在国内外引起广泛关注。

此次 Vidu 开放了文生视频、图生视频两大核心功能，可以生成 4s 或 8s 的视频。视频分辨率最高达 1080P，4s 视频生成实测用时 30s。目前 Vidu 无需申请，用户注册后即可上手体验。

文章内容来自生数科技官方稿件，Founder Park 有所增删。

01新增动漫风格、角色一致性更稳定

本次上线版本中新增了角色一致性、动漫风格等特色能力。

万物皆可二次元

在风格维度上，目前市面上的 AI 视频工具大多局限于写实风格或源于现实的想象。Vidu 除了能实现常见的写实等多元风格外，还新增动漫风格。

在图生视频功能中，一些工具尽管也支持动漫图的上传，但常常出现画面崩坏、动幅小的问题。Vidu 的生成效果具备风格一致性，画面流畅。

原图

Vidu 效果

角色一致性

Vidu 还有一项功能——角色一致性（Charactor To Video）。

在「图生视频」板块中上传图片，Vidu 支持首帧图和角色图两种选择。首帧图就是常见的图生视频功能，会实现基于首帧画面的连续生成。

后者则是角色一致性生成，用户可上传人像图或者自定义的角色图，之后通过文字描述，指定该角色的场景和动作等。

比如上传一张埃隆·马斯克的照片，通过输入描述词，就可以变身超级英雄钢铁侠。

角色图

Prompt：Elon Musk wearing Iron Man armor, with a city night scene in the background

用户使用角色一致或图生视频功能，可以玩转「梗图」、「表情包」，甚至助力梦想实现。

实测案例：原 图（作为角色参考图）

Prompt：一个帅哥在变身成为奥特曼，画出正在变身的过程, 从一个普通人，变成完整的奥特曼

（作为人像图参考）

02语意理解更准确，官方声称生成速度业界最快语义理解

Vidu 能够理解提示词中的字母、数字等，并且能够生成文字特效。

prompt：一块生日蛋糕，上面插着蜡烛，蜡烛是数字「32」的形状

另外，Vidu 能够理解和表达第一人称、延时摄影等镜头语言，视频可控性提高。

Prompt：Capture the journey of a single rose bud as it blossoms into full bloom against a plain, black background. The time-lapse photography isolates the rose, emphasizing its delicate transitions from tight bud to an open, vibrant flower.

动态一致

在涉及复杂场景的视频中，Vidu 能够将运动主体与场景做较好分离，将前后景别分离开。画面中非重点物体的动态较少，画面主体动态完整，画面的真实感更强。

大幅度、精准的动作有助于更好地表现情节和人物情绪，但是动作幅度一旦变大，画面容易崩坏。一些视频模型为保证流畅性会牺牲动幅 。

相比之下，在一些主体动作幅度较大的场景中，Vidu 的动态画面流畅。

画面质感

Vidu 能生成风格片段，比如科幻、西部和浪漫等类型电影。在构图、叙事、光影等方面，AI 能达到十分接近电影级的画面标准。

另外，经典影片中极具标志性的视觉效果，Vidu 都能模仿和再现。

《银翼杀手》中的赛博朋克氛围的未来城市夜景

Vidu 能够生成影视级特效画面，如弥漫的烟雾、炫目的炫光效果、爆炸场面等。

「在传统的影视制作中，特效的投入往往是一个巨大的数字，像一般爆炸特效镜头通常需要花几十万」，国内某资深特效总监说。用过 Vidu 后，他表示 Vidu 生成的爆炸生成效果已经非常接近影视制作的水准，这很令人吃惊。

生成速度业界最快

AI 视频工具还有个重要指标——推理速度。

目前，市面上的主流 AI 视频工具在生成 4 秒左右的视频片段时，用户通常需要等待 1 到 5 分钟，甚至更长。例如，Runway 最新推出的 Gen-3 工具需要 1 分钟来完成 5s 视频生成，而可灵需要 2-3 分钟。Vidu 将这一等待时间缩短至仅需 30 秒（可真实实测），速度比业内最快水平的 Gen-3 还要再快一倍。

Vidu 这次的更新版本带来了更丰富顺滑的创作体验，在视频生成领域，用户又多了一个选择。未来的视频模型竞争，只会越来越卷。

转载原创文章请添加微信：founderparker