Vidu 1.5 世界首个多模态视频生成模型

Vidu 1.5 全球首发多实体一致性视频生成能力,支持分别上传人物、物体、场景三图并保持高度统一;新增多主体参考、镜头语言理解、运动幅度调控及2D动漫风格,画质提升至1080p,显著增强语义理解与画面稳定性。

发布于2024年11月14日 03:56
编辑零重力瓦力
评论0
阅读69

国产 AI 视频模型 Vidu 发布了重磅更新,推出了最新的 Vidu-1.5,成为全球首个具有多实体一致性的多模态模型!用户可以分别上传人物、物体和场景三张独立的图片,Vidu-1.5能够在保持一致性的基础上将它们无缝整合,创作出令人惊艳的视频。这次更新超越了传统的微调,为AI实现统一理解和视频生成设立了新的标准。

主要升级

  1. 参考生视频支持多主体:全球首发多主体一致性功能,让您创作的角色、物体、场景等始终保持一致。
  2. 生成质量提升:视频画面更加稳定,细节丰富,清晰度显著提高,支持极速、720p 及 1080p 三种清晰度选项。
  3. 语义理解增强:模型对复杂提示的理解能力进一步提升,同时可理解多种镜头语言,包括运镜、视角、构图以及特殊拍摄手法等。
  4. 运动幅度控制:您可自由调节视频中的运动幅度。
  5. 动漫风格扩展:支持更多 2D 平面动画风格,丰富您的创作选择。

相关文章

一段代码让网站出海,这个 AI 翻译工具把多语言 SEO 玩明白了
AI 产品工具
2026年6月1日
0 条评论
小创

一段代码让网站出海,这个 AI 翻译工具把多语言 SEO 玩明白了

跨境电商网站常因语言壁垒导致高跳出率。Weglot 是一款 AI 翻译工具,仅需几分钟即可通过添加脚本实现网站多语言本地化,且保持原有排版。该工具支持可视化编辑、术语表锁定及团队协作,便于后续维护。同时,它能自动优化 hreflang 标签、独立 URL 及元数据,解决多语言 SEO 难题。借助母语内容布局小语种市场,企业可以低成本获取流量红利,有效提升海外转化率。

阅读全文
SCOPE 给 AI 绘画装上了 “语义追踪器”,复杂提示词终于不用反复抽卡了
AI 产品工具
2026年6月1日
0 条评论
零重力瓦力

SCOPE 给 AI 绘画装上了 “语义追踪器”,复杂提示词终于不用反复抽卡了

中科大团队发布 SCOPE 框架,通过结构化语义规格解决 AI 绘画中复杂提示词语义丢失问题。该系统将提示词拆解为实体、约束及未知项,构建包含分解、合成、生成、验证的四步循环,并辅以检索、推理和修复技能,实现生成过程全程可追溯与精准修复。团队还推出 Gen-Arena 评测基准及 EGIP 指标。实验显示 SCOPE 在多项基准中表现优异,为多元素控制场景提供了工程化解决方案,代码已开源。

#AI 绘画
阅读全文
Stable Audio 3.0 发布:开源音频生成从 11 秒走到 6 分钟
AI 产品工具
2026年5月28日
0 条评论
零重力瓦力

Stable Audio 3.0 发布:开源音频生成从 11 秒走到 6 分钟

Stability AI 发布开源音频模型 Stable Audio 3.0,最长可生成 6 分 20 秒立体声音频。该模型采用 SAME 架构实现 4096 倍压缩,支持变量长度生成与局部编辑,Small 版本可在移动端离线运行。训练数据均获授权,规避版权风险。提供四个变体及 LoRA 微调文档,社区许可允许商用。此次升级标志着开源音频生成从短音效迈向完整歌曲创作,为开发者提供了本地化、合规的高质量音频生成方案。

#开源模型#AI 音乐
阅读全文
互动讨论

评论区

围绕《Vidu 1.5 世界首个多模态视频生成模型》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。