智東西作者陳駿達(dá)編輯心緣
智東西7月30日報道，在2025世界人工智能大會（WAIC2025）期間，視頻生成獨角獸生數(shù)科技的CEO駱怡航博士與媒體進(jìn)行深入交流，詳細(xì)介紹了生數(shù)科技視頻生成技術(shù)的最新進(jìn)展，并分享了他對視頻生成技術(shù)未來發(fā)展方向的見解。
駱怡航著重談到今年7月發(fā)布的ViduQ1參考生功能，他認(rèn)為，與文生視頻、圖生視頻相比，參考生視頻才是整個AI視頻創(chuàng)作范式的底層功能。這種方式既不會像文生視頻那樣缺乏一致性，也不會像圖生視頻那樣限制模型的發(fā)揮。
生數(shù)科技從去年開始研發(fā)參考生視頻技術(shù)，已經(jīng)迭代4個版本。同時，該公司也在一致性方向不斷投入，駱怡航認(rèn)為一致性對廣告、影視等商業(yè)創(chuàng)作而言至關(guān)重要。
駱怡航也談到了上周生數(shù)科技聯(lián)合清華大學(xué)發(fā)布的具身智能模型Vidar，這是國內(nèi)首個基于視頻生成模型的具身基座模型。雖然具身智能的大規(guī)模應(yīng)用還需要時間，但生數(shù)科技計劃繼續(xù)探索數(shù)字世界與物理世界的結(jié)合，并有可能在具身智能產(chǎn)業(yè)成熟后加大投入。
采訪中，駱怡航還針對生數(shù)科技的商業(yè)化策略、技術(shù)升級方向、AIGC產(chǎn)業(yè)趨勢等問題進(jìn)行分享。
值得一提的是，今天恰好是生數(shù)科技視頻生成模型Vidu全球上線一周年。上線1年，Vidu生成視頻總數(shù)已超過3億個，用戶數(shù)超3000萬，B端落地率達(dá)到行業(yè)第一，這些數(shù)據(jù)也帶動生數(shù)科技的年化收入突破2000萬美元（約合人民幣1.44億元）。
一、參考生回歸視頻拍攝本質(zhì)，Vidu架構(gòu)可擴展至具身智能
視頻生成當(dāng)前有多種實現(xiàn)形式，包括圖生視頻、文生視頻、參考生視頻等。其中，圖生視頻因其給予了創(chuàng)作者更多的控制力，而獲得廣泛使用。
圖生視頻需要用戶上傳完整的首幀圖或尾幀圖，模型以此為基準(zhǔn)，生成畫面。但由于圖像中的各種元素已經(jīng)被固定，模型很難對畫面中的內(nèi)容進(jìn)行調(diào)整、修改，無法完全發(fā)揮出視頻生成模型在創(chuàng)造力上的優(yōu)勢。
駱怡航認(rèn)為，參考生視頻讓業(yè)界回到了本身視頻拍攝的本質(zhì)：用戶可上傳人物、道具、場景等元素，無需將其通過P圖、生圖、融圖等繁瑣環(huán)節(jié)，而是直接根據(jù)參考圖直出視頻。
最近推出的ViduQ1參考生視頻能力進(jìn)一步提升，已經(jīng)支持了七個主體的參考，基本可以滿足大部分場景需求。
Vidu參考生視頻同時具備主體庫功能，用戶可以上傳人物或者商品的正面、側(cè)面、背面圖，確保元素在不同場景下的主體一致性。
面向?qū)I(yè)創(chuàng)作場景，Vidu參考生視頻提供了提示詞專業(yè)模式。用戶輸入簡單的提示詞后，模型能夠?qū)⒂脩舻暮唵翁崾驹~改寫為專業(yè)提示詞，讓最終作品質(zhì)量更高，制作效率提升。
參考生視頻這項技術(shù)滿足了商業(yè)化場景對內(nèi)容創(chuàng)作的需求，已在廣告電商、互聯(lián)網(wǎng)、動漫、影視、文旅、教育、游戲、廣電等八大行業(yè)落地應(yīng)用。
在Vidu視頻生成模型的基礎(chǔ)上，生數(shù)科技和清華大學(xué)共同打造了具身智能模型Vidar，這一模型與Vidu一脈相承。
駱怡航稱，Vidu架構(gòu)在設(shè)計之初就具備一定通用性，可勝任時空信息一致性的生成，在這個基礎(chǔ)架構(gòu)之上，只需進(jìn)行少量數(shù)據(jù)、低成本的微調(diào)，便可將生成的虛擬視頻轉(zhuǎn)化為控制具身智能的動作信息。
Vidar的主要創(chuàng)新在于，能突破原有VLA路線中優(yōu)質(zhì)數(shù)據(jù)難以獲取和具身智能難以泛化的問題，實現(xiàn)了具身智能的少樣本泛化，所需真機人類操作數(shù)據(jù)量約為行業(yè)典型值的千分之一。
二、視頻生成技術(shù)分三步走，將優(yōu)先滿足專業(yè)用戶需求
駱怡航還分享了視頻生成技術(shù)發(fā)展過程中人與AI協(xié)作三階段的觀點。
第一個階段仍是圖生視頻為主，需要文生圖再生視頻或者用首尾幀再生視頻的復(fù)雜流程，雖然它在生產(chǎn)環(huán)節(jié)、效率上相比傳統(tǒng)流程有所進(jìn)步，但還未達(dá)到100%的效率提升。
第二階段以參考生視頻為主要功能，無需中間分鏡生成環(huán)節(jié)，只要把主體選好，就可以直接生成視頻。根據(jù)生數(shù)科技得到的用戶反饋，這種方式給效率帶來了明顯提升。
第三個階段中，將有大量內(nèi)容100%由AI生成，內(nèi)容生產(chǎn)執(zhí)行的效率和成功率極大提升，創(chuàng)作者可以把大量時間投入到故事創(chuàng)意和關(guān)鍵設(shè)計上。
駱怡航稱，目前生數(shù)Vidu正推動AI視頻內(nèi)容生成由第二個階段向第三個階段轉(zhuǎn)變。
生數(shù)科技當(dāng)前最高的優(yōu)先級依舊是滿足視頻行業(yè)最嚴(yán)格、最復(fù)雜的專業(yè)要求，其次才是擴展C端用戶。
對此，駱怡航解釋道，當(dāng)前視頻生成技術(shù)尚無法支撐普通用戶打造高質(zhì)量視頻，仍需在一致性、速度上實現(xiàn)突破，才能實現(xiàn)AI視頻創(chuàng)作的普惠。
生數(shù)科技可以在服務(wù)B端專業(yè)用戶的過程中，逐步打磨這些技術(shù)，例如根據(jù)廣告電商客戶的需求提升一致性，或是在動畫場景針對性地提升風(fēng)格和生產(chǎn)效率。這些在專業(yè)領(lǐng)域的技術(shù)積累，最終可以惠及C端用戶。
結(jié)語：視頻生成技術(shù)持續(xù)迭代，速度與成本仍有突破空間
隨著視頻生成模型能力的持續(xù)迭代，有越來越多的企業(yè)開始探索其應(yīng)用價值，尤其是在影視制作、廣告營銷、教育培訓(xùn)等場景中。不過，要真正實現(xiàn)規(guī)?；涞兀杂泻荛L的路要走。
在采訪的最后，駱怡航也分享了他眼中視頻生成未來的優(yōu)化空間。首先，一致性作為基礎(chǔ)問題，仍需要進(jìn)一步提升；解決一致性問題后，下一步就是讓視頻生成做到“快”、“好”、“省”。
其中，“快”和“省”的部分還有很大突破空間，現(xiàn)在生數(shù)科技已經(jīng)實現(xiàn)普通清晰度幾秒鐘生成視頻片段、分鐘級生成1080P視頻片段，未來會推進(jìn)AI視頻實時生成。
小說:盲眼小女帝被利用,涅槃歸來,狠虐紈绔太子爺
“都說本宮紈绔不羈，我看，你們兩位比本宮還厲害??！“聽你們這意思，莫不是想要逼我父皇……廢太子不成？！”后面幾個字，王安的聲音拔高八度|。徐懷之和張征頓時嚇個半死，身體抖若篩糠。雖然最終的目的，是廢太子，但這不是一朝而就的事，他們此時，只是想要讓皇帝教訓(xùn)一下太子而已。卻沒想到，王安竟然明目說完了。
3本腹黑心機男主文:心機紈绔小郡主vs深情太子爺,步步為營!
三年前，身為京城紈绔屆一霸的云拂衣，在隨父母赴任路上慘遭追殺，跌落懸崖，幸而被山底村民所救。三年后，她隨父母回到了京城|——。云拂衣：三年之期已到，今日重回京城，我要讓某些人知道，我有的是力氣與手段。好不容易過了三年安穩(wěn)日子的眾紈绔：你說你，好好的惹她干嘛？【小熊】獨家書評彪悍女紈绔&深情太子爺好了吧！
強推!現(xiàn)言|清冷堅韌大美人x紈绔混球太子爺
第1章遺忘不是擁抱新生活的必要條件。只要走過每一天，就能走到想要的終點。之后他出現(xiàn)在我生命中，哪怕我不理他，他也心甘情愿陪著我。然后突然某一天，有一束光照在了被子上-|。我伸手去觸碰陽光，心里的郁結(jié)慢慢就打開了。那是我們認(rèn)識的第三年。后來我們還一起發(fā)生過很多事，他的堅定他的付出讓我慢慢開始有幫助請點贊_-。
延伸閱讀：與 亮相WAIC 2025 星動紀(jì)元{全尺}：寸雙||足機器人跳街舞 的相關(guān)文章
腹部溫度低于手背溫度說明身體是寒的
如何看待鴻蒙智行、 AITO 汽車、智界汽車發(fā)文疑回應(yīng)懂車帝測試「已看到某平臺所謂『測試』，不予置評」？
你更喜歡菜市場還是超市？為什么？
P1-13電影版你體內(nèi)明明關(guān)押著幾百頭兇獸，卻始終無法覺醒獸魂之力成為御獸師
帶著輕微饑餓感入睡能瘦嗎
這個小香風(fēng)我今天蹭定了！?。。ㄖ刂?妙啊～）
威海乳山 216 套海景房「1 元起拍」，怎樣看待這一現(xiàn)象？購買這種房產(chǎn)要注意什么？
為了不用擦白板，我們做了這個...
女子生氣抓男友頭發(fā)撞墻致其去世
車銀優(yōu)明天入伍
