Vidu es el primer modelo de video grande de larga duración, alta consistencia y alta dinámica de China, desarrollado conjuntamente por Shengshu Technology y la Universidad de Tsinghua. Este modelo utiliza la arquitectura U-ViT, una fusión original de Diffusion y Transformer, y admite la generación con un solo clic de contenido de video de alta definición de hasta 16 segundos y una resolución de hasta 1080P. Vidu no solo puede simular el mundo físico real, sino que también posee una rica imaginación, con características como la generación de múltiples tomas y la consistencia espacio-temporal. Su rápido avance se debe a la acumulación a largo plazo del equipo en aprendizaje automático bayesiano y modelos grandes multimodales, así como a varios logros originales. El lanzamiento de Vidu representa la capacidad de innovación continua y el liderazgo de Shengshu Technology en el campo de los modelos grandes multimodales nativos. De cara al futuro, su arquitectura flexible será compatible con una gama más amplia de modalidades, expandiendo aún más los límites de las capacidades multimodales generales.