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84

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

如何用 AI 零门槛复刻月入万刀的无人出镜频道
AI 教程知识
2026年7月11日
0 条评论
小创

如何用 AI 零门槛复刻月入万刀的无人出镜频道

AI 博主 ADIL 演示利用 Claude Fable 5 配合 Higgsfield MCP 插件,在 20 分钟内全自动复刻高收益 YouTube 频道。该工作流集成图像、视频及语音生成引擎,可自动分析爆款结构、撰写脚本并一键产出含配音的纪录片视频及封面标签。平台并不排斥优质 AI 内容,此端到端自动化流程将创作耗时从数天缩至十几分钟,大幅降低不露脸创作门槛。未来核心竞争力在于利用工具实现规模化生产与持续运营的能力。

#Higgsfield#视频生成
阅读全文
Google 为何要开发 Gemma 4 模型
AI 产品工具
2026年7月11日
0 条评论
小创

Google 为何要开发 Gemma 4 模型

谷歌推出开源模型 Gemma 4,旨在解决网络受限地区无法使用前沿 AI 的问题。该模型追求内存占用下的智能最大化,首次具备多模态与智能体能力,支持在无网移动端高效运行复杂任务。目前已在乌干达离线医疗系统及秘鲁原住民语言保护等场景中落地应用。通过将大模型蒸馏至终端设备,Gemma 4 摆脱了对云端算力的依赖,推动去中心化开源生态发展,赋能各社区按需构建专属系统。

#开源模型#Google#Gemma
阅读全文
微软 Mirage:让世界模型学会“过目不忘”,速度快 10 倍、显存省 55 倍
AI 产品工具
2026年6月21日
0 条评论
零重力瓦力

微软 Mirage:让世界模型学会“过目不忘”,速度快 10 倍、显存省 55 倍

微软研究院联合多所高校发布 Mirage 模型,通过在扩散模型隐空间直接存储三维记忆,解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程,使生成速度提升最高 10.57 倍,显存占用降低 55 倍,且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案,虽暂不支持动态物体记忆,但已开源并适用于机器人仿真等静态场景任务。

#世界模型
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。