AI音效90秒长时可控生成！“狼嚎2秒，蟋蟀鸣8秒”精准搞定！清华&生数科技新研究入选ACM MM 2025
AI音效90秒长时可控生成！“狼嚎2秒，蟋蟀鸣8秒”精准搞定！清华&生数科技新研究入选ACM MM 2025文生音频系统最新突破，实现精确时间控制与90秒长时音频生成！
来自主题: AI资讯
7361 点击 2025-07-23 15:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
文生音频系统最新突破，实现精确时间控制与90秒长时音频生成！
以前常说「要把自己活成一支队伍」，如今感谢 AI，真的实现了。 最近，生数科技旗下 AI 视频模型 Vidu Q1 推出参考生功能，极大简化传统内容生产流程，真正实现「一个人就是一个剧组」！
这里介绍一下Vidu，Vidu是由生数科技联合清华大学正式发布的中国首个长时长、高一致性、高动态性视频大模型。Vidu在语义理解、推理速度、动态幅度等方面具备领先优势，并上线了全球首个“多主体参考”功能，突破视频模型一致性生成难题，开启了视觉上下文时代。最近上线了 Vidu Q1 的高质量视频大模型，不仅视频效果质感更高，而且性价比很不错。
多模态生成技术持续突破内容创作的边界。
3月12日，华尔街见闻获悉，原字节跳动AI大将、火山引擎高管骆怡航于近日加入生数科技，担任CEO一职。去年底，字节TikTok算法负责人陈志杰也被曝出离职创业。
如果从今年10月份开始算，截止到现在，视觉中国股价已经翻了一倍多。有点2022年底GPT概念股的架势。不过，视觉中国的涨停可不是靠概念，而是靠AI项目合作换来的。基于社区、场景和数据优势，目前国内包括智谱、通义千问、可灵AI、即梦AI、生数科技（Vidu）、爱诗科技（Pixverse）等几乎所有主流文生视频平台都接入了视觉中国。
本期我们有幸邀请到生数科技工程副总裁（VP）陈鑫与百度智能云AI计算部副总经理兰宇，深度解析Vidu这款视频大模型从发布到在行业内爆火的背后故事。
Sora 终于来了！ 只要是 ChatGPT Plus/Pro 用户，直接就能用上。 至于效果 ...... 看完官方放出的 demo，网友大呼：不太行 ！
继9月份版本更新之后，光锥智能从生数科技联合创始人兼CEO唐家渝朋友圈获悉，Vidu大模型将于本周再次进行版本升级，Vidu-1.5版本即将上线。
在 2024 云栖大会上，阶跃星辰创始人姜大昕、月之暗面Kimi创始人杨植麟、生数科技首席科学家朱军与极客公园创始人张鹏一起，探讨了各自眼中 AI 技术发展的现状，推演未来 18 个月，大模型行业会发生什么。 在这场圆桌里，他们重点聊了：