清華軍團推出中國首個對標Sora的視頻大模型Vidu，扒一扒它背后的模型架構

AIGC動態歡迎閱讀

原標題：清華軍團推出中國首個對標Sora的視頻大模型Vidu，扒一扒它背后的模型架構
關鍵字：模型,架構,視頻,網絡,核心
文章來源：夕小瑤科技說
內容字數：4825字

內容摘要：

夕小瑤科技說 原創作者 | 小戲就在前天，Vidu 在 2024 中關村論壇年會之中橫空出世。
伴隨著“中國首個”，“Sora 級視頻模型”，“模擬真實的物理世界”等關鍵詞下的刷屏式的報道，Vidu 一下成為國產視頻模型的一劑強心針。
盡管目前 Vidu 支持的視頻長度是 16 秒，尚未達到 Sora 的 60 秒級，但是單看 Vidu 的宣傳視頻，如果以 Sora 為對標，可以看出 Vidu 在如時空一致性、物理規律遵循以及多鏡頭等等方面都已經對 Sora 不遑多讓。
背靠清華軍團，提出全球首個Diffusion + Transformer架構U-ViT，早于Sora撇開視頻的質量不說，筆者發現了一個更的事情：
Vidu背后的模型架構U-ViT 和 Sora 的核心架構 Diffusion Transformer（DiT）完全一致，且更早于DiT的發表時間。
這家在 2023 年 3 月份成立的“清華軍團”生數科技，其實早在 2022 年 9 月，其創業團隊就發布了基于 Transformer 架構的底層統一網絡框架 U-ViT。
而Sora 的核心架構 Diffusion Tr

原文鏈接：清華軍團推出中國首個對標Sora的視頻大模型Vidu，扒一扒它背后的模型架構

聯系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：專業、有趣、深度價值導向的科技媒體。聚集30萬AI工程師、研究員，覆蓋500多家海內外機構投資人，互聯網大廠中高管和AI公司創始人。一線作者來自清北、國內外頂級AI實驗室和大廠，兼備敏銳的行業嗅覺和洞察深度。商務合作：zym5189