近日，北京生数科技正式宣布，其自主研发的AI视频生成模型 Vidu 已在全球官网正式上线。简单来说，Vidu 是一款能够通过文字或图片直接生成视频的智能工具——你只需输入一段描述，或上传一张图片，它就能自动“创作”出动态影像。

今年4月，生数科技与清华大学共同发布了中国首个视频大模型——“Vidu”。这并非一项小规模尝试，而是标志着国内视频生成技术真正实现了从0到1的关键突破。

Vidu 的技术核心源自团队原创的U-ViT架构，该架构巧妙融合了Diffusion与Transformer两大技术体系。其成果是：能够快速生成长达16秒、分辨率达到1080P的高清视频。更值得一提的是，在模拟真实物理世界的同时，Vidu 依然保持了极高的想象力和创造力。多镜头生成能力与时空一致性，是它最具竞争力的两大亮点。

自发布以来，Vidu 在全球范围内表现亮眼，其性能已追平甚至超越国际顶尖水平，且迭代速度极快。这一切背后，得益于团队在贝叶斯机器学习与多模态大模型领域的多年深耕，以及多项原创性技术成果的有力支撑。

凭借对U-ViT架构的深入理解，以及丰富的工程与数据经验，团队成功攻克了长视频表示与处理的技术难关，最终将 Vidu 打造成型。结果显而易见——视频的连贯性与动态性均实现了质的飞跃，直接推动了视频处理技术向前迈出了重要一步。