विडु, शेंगशु टेक्नोलॉजी और छिंगुआ विश्वविद्यालय द्वारा संयुक्त रूप से जारी किया गया चीन का पहला लम्बा समय, उच्च संगति, उच्च गतिशीलता वाला वीडियो बड़ा मॉडल है। यह मॉडल मूल डिफ्यूज़न और ट्रांसफॉर्मर के संयुक्त आर्किटेक्चर U-ViT का उपयोग करता है, जो 16 सेकंड तक लंबे समय और 1080P तक के उच्च रिज़ॉल्यूशन वाले उच्च परिभाषा वीडियो सामग्री को एक क्लिक में उत्पन्न करने का समर्थन करता है। विडु न केवल वास्तविक भौतिक दुनिया की नकल कर सकता है, बल्कि इसमें समृद्ध कल्पना भी है, जिसमें बहु-कैमरा निर्माण, समय-स्थान संगति आदि विशेषताएँ हैं। बेयस मशीन लर्निंग और बहु-मोडल बड़े मॉडल में टीम के दीर्घकालिक संचयन और कई मूल परिणामों के कारण इसका तेज़ी से प्रगति हुई है। विडु के आगमन का प्रतिनिधित्व करता है शेंगशु टेक्नोलॉजी की बहु-मोडल मूल बड़े मॉडल क्षेत्र में निरंतर नवाचार क्षमता और अग्रणी स्थिति। भविष्य के लिए, लचीला आर्किटेक्चर व्यापक मोडल के अनुकूल होगा और बहु-मोडल सामान्य क्षमता की सीमाओं का विस्तार करेगा।