視頻模型的首次涌現：視覺智能引領通用智能的未來！

創業公司最重要的是目標的創新與堅持。

原標題：張鵬對話生數科技：視頻模型迎來「首次涌現」，視覺更可能通往通用智能
文章來源：Founder Park
內容字數：29091字

2024年視頻生成技術的突破與未來前景

2024年，視頻生成技術的突破成為多模態領域最大的進展，尤其是生數科技的Vidu 1.5版本在多主體一致性方面的創新，標志著視頻生成能力的新高度。本文將總結這一技術的關鍵成果及未來可能的發展方向。

1. Vidu 1.5的上下文能力提升

Vidu 1.5的最大突破在于其上下文能力，模型能夠靈活理解多張圖片作為輸入，并在此基礎上生成一致性視頻。這種一致性不僅體現在單個角色上，還能夠處理多個主體之間的互動關系，甚至包括聲音特征的保持，展現出更強的多模態一致性能力。

2. 技術范式的轉變

從最初的單主體一致性到現在多主體的一致性，技術范式經歷了根本性的轉變。Vidu團隊不再依賴于傳統的預訓練和微調策略，而是采用統一的視覺輸入和輸出形式，使模型能夠通用地處理各種問題，這一轉變為模型的泛化能力奠定了基礎。

3. 對創作行業的影響

隨著多主體一致性的實現，視頻生成模型開始具備講述完整故事的能力，這對影視、廣告等創作行業帶來了巨大的變革。同時，模型的視覺和聽覺反饋能力，也使得未來的人機互動更加自然和直觀。

4. 多模態模型的未來

生數科技的長期目標是構建一個通用的多模態模型，而視頻作為一種關鍵模態，將在這一過程中發揮重要作用。通過實現視頻、音頻、圖像等多模態的統一表示，未來的模型將能夠以更無損的方式處理和生成信息，推動智能的進一步發展。

5. 總結與展望

在技術不斷進步的背景下，生數科技的Vidu 1.5不僅展示了視頻生成技術的強大潛力，也為未來的多模態智能模型奠定了基礎。隨著多模態技術的不斷成熟，我們有理由相信，視頻生成和智能交互的未來將會更加豐富和多元。

聯系作者

文章來源：Founder Park
作者微信：
作者簡介：來自極客公園，專注與科技創業者聊「真問題」。