生数科技发布多模态高可控视频生成模型

来源：新华网

新华网北京3月29日电（张漫子、邓秋铃）3月29日，中关村论坛人工智能日的主题演讲上，清华大学人工智能研究院副院长、生数科技创始人兼首席科学家朱军发布多模态视频生成模型Vidu Q1。该模型聚焦“高可控”，力求解决当前AI视频生成过程“随机性”的痛点。该模型于4月全球上线。

一直以来，AI视频生成过程中的“随机性”是老大难问题。Vidu Q1针对AI视频随机生成的痛点，引入多元素控制，聚焦“可控性”的提升，使AI视频生成的技术迭代满足当前视频制作精品化精细化的趋势。

Vidu Q1在多主体细节可控（特别是动作可控、布局可控）、音效同步可控、画质增强等方面突破显著。

以多主体细节可控为例，在语义指令的基础上，通过融入参考图的视觉指令，Vidu Q1支持对场景中多主体的位置、大小、运动轨迹等属性进行更进一步控制，对所有动作行为（出场、退场、坐立姿态、行动路线等）进行精准调整。

音效同步可控功能确保了随视频环境与画面转场Vidu Q1能够输出生成相应音效，并可精准控制每段音效的长短区间、精准设置每段音频出现的时间点。如0-2s的风声、3-5s的雨声等。Vidu Q1在节省时间的同时，能显著增强视频的沉浸感与感染力。

此外，Vidu Q1还能进一步增强画质，为用户带去更加清晰、细腻、逼真的视觉体验。

2024年4月，在中关村论坛未来人工智能先锋论坛上，生数科技联合清华大学正式发布了视频大模型Vidu，引发业内关注。