作者｜Valentina

編輯｜方奇

媒體｜AI大模型工場

7月30日，首個(gè)國產(chǎn)純自研視頻大模型Vidu全球上線，可在Web 端www.vidu.studio訪問。

在今年4月舉行的2024中關(guān)村論壇人工智能主題日未來人工智能先鋒論壇上，清華大學(xué)教授、生數(shù)科技首席科學(xué)家朱軍宣布，生數(shù)科技與清華大學(xué)聯(lián)合推出中國首個(gè)原創(chuàng)全自研長時(shí)長、高一致性、高動(dòng)態(tài)性的視頻大模型Vidu。生數(shù)科技稱，Vidu全面對標(biāo)Sora。

此次Vidu面向全球正式上線，開放文生視頻、圖生視頻兩大核心功能，提供4s和8s兩種時(shí)長選擇，分辨率最高達(dá)1080P。在推理速度上，Vidu生成一段4s的片段僅僅需30s。在付費(fèi)機(jī)制方面，Vidu與其它生成產(chǎn)品類似，提供免費(fèi)版與3種收費(fèi)機(jī)制。3種收費(fèi)機(jī)制分為標(biāo)準(zhǔn)、高級與尊享。目前在上線前兩周，Vidu提供限時(shí)5折優(yōu)惠。

那么究竟Vidu功能是不是和宣傳一致，能否擔(dān)當(dāng)“國產(chǎn)視頻AI之光”的名號(hào)？AI大模型工場也感到好奇，于是迅速進(jìn)行了一手測評。

一、兩大新功能體驗(yàn)搶先測評：動(dòng)漫風(fēng)格化功能、角色一致性功能

除了文生視頻和圖生視頻的兩大基礎(chǔ)功能外，Vidu此次同步上線兩大全新功能，一是動(dòng)漫風(fēng)格，二是角色一致性。

1. 動(dòng)漫風(fēng)格化功能體驗(yàn)

Vidu官方打出“萬物皆可二次元”的旗號(hào)。目前市面上的AI視頻工具大多局限于寫實(shí)風(fēng)格或源于現(xiàn)實(shí)的想象。Vidu除了能實(shí)現(xiàn)常見的寫實(shí)等多元風(fēng)格外，還新增動(dòng)漫風(fēng)格選項(xiàng)。官方圖生視頻實(shí)測案例如下：

圖生動(dòng)漫風(fēng)格能基本百分百保持原形像角色。整個(gè)視頻無明顯畸變，角色一致性保持良好。

來看看文生動(dòng)漫風(fēng)格效果怎么樣：

prompt: 動(dòng)漫風(fēng)格。清晨，一個(gè)穿著圍裙的女孩從林間小屋中走出來，伸了個(gè)懶腰，然后給飛過來的鳥兒笑著打了招呼。

從畫面效果來看，畫風(fēng)很美，有宮崎駿電影般的質(zhì)感。背景畫面細(xì)膩豐富，光線柔和有質(zhì)感。從生成動(dòng)漫角色看，女孩面部表情豐富生動(dòng)，并且在從后面走過來的過程中，畫面背景和人物保持了高度一致性。但幀與幀卡頓感明顯，甚至最后一秒還有穿模現(xiàn)象。

2.角色一致性功能

在“圖生視頻”板塊中，Vidu上線了角色一致性功能。在上傳圖片的過程中，Vidu支持首幀圖和角色圖兩種選擇，前者是實(shí)現(xiàn)基于首幀畫面的連續(xù)生成（常見的圖生視頻功能），后者則是角色一致性生成，用戶可上傳人像圖或者自定義的角色圖，然后通過文字描述指定該角色在任意場景中做出任意動(dòng)作。

上一張真人圖，先來測評看看“首幀圖”效果如何。

prompt：兩人深情擁抱

整個(gè)畫面、背景無明顯形變，人物一致性保持的更是完美，從表情、形象外觀到服裝細(xì)節(jié)，原圖到視頻都沒有發(fā)生改變。視頻人物動(dòng)作流暢，表情細(xì)節(jié)包括皺紋等也處理的十分到位。同時(shí)，運(yùn)動(dòng)后衣服褶皺的變化也符合物理運(yùn)動(dòng)規(guī)律。

再來看看“角色圖”效果如何：

prompt：男人頭戴墨鏡在沙灘邊悠閑散步度假

在“角色圖”功能中，人物一致性同樣保持的很好，角色面部細(xì)節(jié)到位。新的背景摳的十分自然，整個(gè)畫面高級、漂亮、有質(zhì)感。人物動(dòng)作稍顯卡頓，但整體流暢度還是較高。

二、經(jīng)典視頻功能深度評測

1.宏大場景+延時(shí)攝影

prompt：一座現(xiàn)代化城市市中心，有很多摩天大樓。俯拍的視角。延時(shí)攝影，從早上八點(diǎn)到晚上八點(diǎn)，表現(xiàn)了這座城市從白天的晴朗，到夜晚降臨但是霓虹燈閃爍的場景。

對于延時(shí)攝影的概念，Vidu  能夠準(zhǔn)確的把握。對于提示詞的要求也全部給予了回復(fù)，包括俯拍摩天大樓，從早到晚等。畫面穩(wěn)定流暢，甚至能讓人體驗(yàn)到城市車水馬龍之感。但可惜對于4s延時(shí)攝影視頻太短，難免給人倉促之感。

2.電影感鏡頭：細(xì)膩人物刻畫

prompt：舞臺(tái)上里，一個(gè)三十歲的男性鋼琴家在表演鋼琴獨(dú)奏。舞臺(tái)上一束燈光照耀這位鋼琴家和鋼琴。鋼琴家穿著燕尾服。鋼琴家很投入，陶醉的隨著音樂而搖頭晃腦。畫面效果：真實(shí)、細(xì)膩、電影感

這個(gè)片段完成度很高。首先，人物比較穩(wěn)定，手指這些細(xì)節(jié)也未發(fā)生變形，對于“搖頭晃腦”的微表情處理的也比較到位；其次，畫面的一致性保持的很好，不管是人物動(dòng)作還是北京畫面，都保持了流暢穩(wěn)定。對于提示詞能夠充分的理解，所有提示詞元素基本全展現(xiàn)畫面中；對于光影等物理規(guī)律也處理的很恰當(dāng)。

3.多人物場景刻畫

prompt：橄欖球賽場上，來自兩個(gè)隊(duì)伍的多名運(yùn)動(dòng)員正在追著一枚扔出去的橄欖球奔跑。

到了多人畫面質(zhì)感就斷崖式下跌。Vidu基本理解了多人橄欖球賽的要求，但是不論是人物還是動(dòng)作都缺少細(xì)節(jié)感。并且橄欖球飛來飛去的路線，牛頓看了都要爬起來說一句：天理何在！

4.物體移動(dòng)

prompt：傍晚，一座寬敞的跨江大橋上，一輛紅色的跑車在上面疾馳。跨江大橋兩岸有夜燈，但是車燈更加耀眼。紅色金屬反射出周圍的景色與燈光。

畫面質(zhì)感很好，傍晚、紅色跑車、夜燈要素齊全；頭車車身有四周景色與光的反射，路面也有車燈倒影，光學(xué)物理滿分；畫面穩(wěn)定、流暢、幀與幀連接較為自然；但是要求中的“一輛”跑車變成了“兩輛”，疾馳變成了緩慢行駛，理解能力一般。

雖然跑車是緩慢行駛，但是可以看出動(dòng)作流暢，無明顯頓感。并且隨著運(yùn)動(dòng)車身還有輕微上下顛簸的細(xì)節(jié)，物理真實(shí)感和細(xì)節(jié)感拉滿。

從Vidu官方評測給出的跑車疾馳畫面，可以看出在動(dòng)作幅度較大的場景中，Vidu能夠保持高流暢、高動(dòng)態(tài)的畫面效果。

5.精彩二創(chuàng)：名畫“活過來"

prompt：切遠(yuǎn)景，少女捧著爆米花，拿了一粒放入口中。

視頻保留了原畫風(fēng)，且少女與原畫幾乎一模一樣，人物動(dòng)作過程無明顯畸變，一致性Max。畫面生成穩(wěn)定，且一些物理細(xì)節(jié)也刻畫的很細(xì)膩，例如少女往前伸頭的時(shí)候耳墜隨之搖擺。唯一的遺憾是沒有完全還原prompt中“拿了一粒放進(jìn)嘴里”的要求。

6.超現(xiàn)實(shí)主義

prompt：飛機(jī)駕駛艙內(nèi)，兩只熊貓?jiān)陂_飛機(jī)。

這個(gè)視頻完全還原了兩只可愛的熊貓?jiān)隈{駛艙內(nèi)操縱飛機(jī)行駛。整個(gè)畫面較為穩(wěn)定、流暢，窗外天空細(xì)節(jié)做的特別好。兩只熊貓毛發(fā)細(xì)節(jié)逼真，動(dòng)作自然，美中不足的是右邊熊貓的下半身貌似有粘連情況。除此之外，客艙儀表盤、按鍵等并沒有刻畫的很細(xì)膩。但考慮到駕駛艙儀表、按鍵等細(xì)節(jié)本身的復(fù)雜程度，相信Vidu也已經(jīng)盡力了。

總的來說，Vidu還是“有點(diǎn)東西”。

對于AI視頻基本要求方面，包括一致性、畫面內(nèi)容度、流暢度等方面，Vidu表現(xiàn)的幾乎滿分。無論是特色“角色一致性”功能，還是普通文生視頻及圖生視頻功能，Vidu都能確保人物角色保持較高的一致性。同時(shí)，生成畫面基本穩(wěn)定流暢且細(xì)節(jié)到位。

另一方面，Vidu審美一流，生成的視頻往往畫面細(xì)膩，畫風(fēng)優(yōu)美，質(zhì)感強(qiáng)。相比過去的視頻模型，Vidu 的動(dòng)作幅度也得到了大幅度提高，并且基本上能保持動(dòng)作高度流暢。同時(shí)，Vidu生成視頻的速度快是真快，所有4s視頻基本都能在30s內(nèi)完成。一句話，Vidu沒有虛假宣傳！

提升空間當(dāng)然還是大大有之，比如畫面偶爾還有穿模、粘連現(xiàn)象；對于文本理解，Vidu能夠基本理解并滿足大部分的要求，但是仍偶爾會(huì)出現(xiàn)對提示詞回應(yīng)不充分的情況；在多人場景下，Vidu丟失了人物與動(dòng)作處理細(xì)膩的特點(diǎn)，畫面細(xì)節(jié)嚴(yán)重缺失，還需加強(qiáng)多人場景制作能力。

以上是AI大模型工場本次測評體驗(yàn)。雖然有不足之處，總體觀感還是不錯(cuò)的。