“当咱们向AI输入一条辅导，让它生成一段视频时杉原杏璃作品，施行上，中枢诉求是但愿AI匡助咱们完成一个完整的叙事。要罢了这个见解，需要让中枢元素上保握斡旋和可控”，在近日召开的2024年中国外洋工作贸易来回会（以下简称“服贸会”）上，生数科技董事长兼CEO唐家渝给出管理决策：视频大模子Vidu的主体参照功能，即能罢了对随性主体的一致性生成。为了作念到这小数，业界曾尝试“先AI生图、再图生视频”等当作，但主体参照功能不光能减少责任量，还遏止了分镜头画濒临视频内容的规章。本领的突破让视频大模子买卖化有了更大的思象空间。

大谈话模子盛行时，生数科技就对准了多模态赛说念，并在2024年1月上线了文生视频的智力。按照生数科技的连络，视频智力需要更永劫长、更高一致性去发展，但Sora的亮相让这家创业公司的连络提前。

4月底发布Vidu，复旧一键生成16秒高清视频，6月复旧一键生成32秒视频，同期生成音效，并从单个生成的视频中重构出4D视频。7月底，Vidu认真面向寰宇上线，怒放了图生视频、扮装一致性功能以及最长8秒的视频生成智力。

这次，唐家渝在2024年服贸会上重心先容的是Vidu的最新功能“主体参照”。所谓主体参照，等于允许用户上传随性主体的一张图片，Vidu 就约略锁定该主体的形象，通过描绘词随性切换场景，输出主体一致的视频，其中“随性”是要道词，即无论是东说念主物、动物、商品杉原杏璃作品，已经动漫扮装、假造主体，皆能确保其在视频生成中的一致性和可控性。

北京商报记者了解到，在该功能上线前，视频大模子对罢了这一见解并不是毫无管理决策，“图生视频”和“扮装一致性”等智力也可作念到。

以先AI生图、再图生视频的当作为例，不错通过AI绘画器具如 Midjourney 生要素镜头画面，先在图片层面保握主体一致，然后再将这些画面升沉为视频片断并进行编著合成。

但问题在于，AI 绘画的一致性并不无缺，经常需要通过反复修改和局部重绘来管理。更费劲的是，施行的视频制作过程中波及繁密场景和镜头，这种当作在处理多组分镜头的场景时，生图的责任量宽绰，能占到全经由的一半以上，且最终的视频内容也会因为过分依赖分镜头画面而穷乏创造性和活泼性。

Vidu的“主体参照”功能通过“上传主体图+输入场景描绘词”的阵势，径直生成视频素材。这一当作大幅减少了责任量，还遏止了分镜头画濒临视频内容的规章，让创作家约略基于文本描绘，创造出画面丰富、活泼多变的视频内容。

中央播送电视总台导演、AIGC艺术家石宇翔共享动画短片《夏季的礼物》创作经由时暗意，与基础的图生视频功能比拟，“主体参照”功能解脱了静态图片的管理，生成的画面更具感染力息争放度，让创作的连贯性大大提高。同期匡助他从简了七成傍边的生图责任量。

北京商报记者 魏蔚杉原杏璃作品