Китайська компанія ShengShu-AI спільно з університетом Цінхуа представила власну нейромережу для генерації відео Vidu. Ця модель здатна створювати 16-секундні Full HD відеоролики всього за один клік.
Vidu vs Sora
Vidu є прямим конкурентом нещодавно анонсованої американської моделі Sora від OpenAI. За якістю генерованого відео Vidu поки що трохи поступається Sora, однак за деякими параметрами випереджає свого суперника.
Головною перевагою Vidu є можливість створювати 16-секундні ролики. Інші наявні на ринку рішення для генерації відео обмежені 4 секундами. Після цього часу відеоряд починає "розпадатися".
Як працює Vidu
Vidu заснована на власній розробці китайських учених - архітектурі Universal Vision Transformer (U-ViT). Вона інтегрує переваги двох підходів для генерації зображень – дифузії та трансформерів.
Завдяки цьому Vidu демонструє високий реалізм сцен – правдоподібне освітлення, тіні, міміка. Також модель добре розуміє специфічно китайські образи на кшталт панди чи дракона.
Чого очікувати далі
Поки доступ до Vidu обмежений, але компанія ShengShu-AI активно набирає тестерів для поліпшення своєї моделі. З огляду на нещодавній анонс Sora від OpenAI, китайці навряд чи будуть довго "тягнути" з широким релізом.
Можна припустити, що в компанії вже працюють над наступною, більш досконалою версією Vidu. Тож найближчим часом ми ще почуємо про цю модель у контексті перегонів ШІ між Китаєм і США.
