本次为大家推荐的报告是《传媒行业专题研究：Vidu~国内AI视频生成模型新突破》，更多重要内容、核心观点，请参考报告原文，文末有完整版获取方式。
报告核心内容解读
本报告深入探讨了全球AI大模型的发展趋势，特别是国内AI视频生成模型的最新突破——Vidu。Vidu由北京生数科技有限公司联合清华大学发布，展示了其在一键生成高清视频内容方面的卓越能力，以及在未来推动传媒行业发展的巨大潜力。
一、全球AI大模型迭代升级，多模态发展前景广阔
- 全球AI大模型，包括Sora、Llama3等海外模型，以及Kimi、昆仑天工AI、阶跃星辰等国内模型，均持续迭代升级。
- 传媒行业将受益于AI大模型的发展，尤其是AI视频大模型对多样化训练数据的依赖，凸显了高质量视频素材库的价值。
二、Vidu：国内AI视频生成模型的新突破
- Vidu采用团队原创的U-ViT架构，能够一键生成长达16秒、1080P高清视频，具备多镜头生成、时空一致性高等特点。
- 核心团队由清华大学人工智能团队组成，首席科学家为清华人工智能研究院副院长朱军。
- Vidu的多模态大模型融合文本、图像、3D、视频等多模态信息，展现了全面的多模态能力。
三、Vidu快速进化，与国际顶尖模型差距缩小
- Vidu在短短三个月内，视频生成时长从4秒提升至16秒，展现了快速的迭代速度。
- Vidu在保证了时空一致性的前提下，实现了较大的运动幅度，优于目前多数文/图生视频模型。
- Vidu的分辨率已达到行业领先水平，但仍需进一步优化以适应不同尺寸需求。
四、Vidu模型使用U-ViT架构，实现多模态、高效、低成本
- U-ViT架构基于ViT设计，使用Diffusion生成图像，标志着CNN在扩散模型中被Transformer取代的趋势。
- U-ViT架构通过简单的图像分割、token表示、Transformer处理和最终输出等步骤，高效生成高质量视频。
- U-ViT架构的成本优势显著，主要得益于ViT架构的训练成本较低，为Vidu的广泛应用提供了有力支持。
报告节选
因篇幅限制，仅展示部分，更多重要内容、核心观点，请参考报告原文或底部相关报告。
