近日，清華大學(xué)人工智能研究院的一項(xiàng)重大創(chuàng)新引發(fā)了業(yè)界的廣泛關(guān)注。該研究院副院長(zhǎng)、同時(shí)也是生數(shù)科技創(chuàng)始人及首席科學(xué)家的朱軍，正式推出了名為Vidu Q1的高可控視頻大模型，這一成果被標(biāo)榜為行業(yè)內(nèi)首個(gè)具備高度可控性的AI視頻大模型。

據(jù)官方介紹，Vidu Q1在多個(gè)關(guān)鍵技術(shù)領(lǐng)域?qū)崿F(xiàn)了顯著突破，尤其是在多主體細(xì)節(jié)可控性、音效同步控制以及畫質(zhì)增強(qiáng)方面。以多主體細(xì)節(jié)可控為例，該模型不僅能夠基于語義指令進(jìn)行操作，還能融入?yún)⒖紙D的視覺信息，進(jìn)一步實(shí)現(xiàn)對(duì)視頻中多個(gè)主體位置、大小、運(yùn)動(dòng)軌跡等屬性的精確控制。無論是角色的出場(chǎng)順序、退場(chǎng)方式，還是坐立姿態(tài)、行動(dòng)路線，Vidu Q1都能進(jìn)行細(xì)致入微的調(diào)整，以滿足用戶的多樣化需求。

在音效同步控制方面，Vidu Q1同樣表現(xiàn)出色。它能夠根據(jù)視頻環(huán)境的變化和畫面的切換，自動(dòng)生成相應(yīng)的音效，并實(shí)現(xiàn)對(duì)音效長(zhǎng)短區(qū)間和出現(xiàn)時(shí)間點(diǎn)的精準(zhǔn)控制。例如，在視頻的前兩秒內(nèi)，可以精確設(shè)置風(fēng)聲作為背景音效，而在接下來的三到五秒內(nèi)，則切換為雨聲，從而營(yíng)造出更加真實(shí)、生動(dòng)的視聽體驗(yàn)。

這一創(chuàng)新成果的問世，標(biāo)志著AI視頻生成技術(shù)邁上了一個(gè)新的臺(tái)階。Vidu Q1的高可控性不僅為用戶提供了更加靈活多樣的視頻創(chuàng)作方式，也為視頻制作、動(dòng)畫制作、廣告創(chuàng)意等行業(yè)帶來了全新的可能性。可以預(yù)見，隨著該技術(shù)的不斷成熟和推廣，它將在未來發(fā)揮更加重要的作用，推動(dòng)相關(guān)行業(yè)的快速發(fā)展。