随着人工智能技术的迅猛发展，视频生成的准确性与可控性成为行业热议的线中关村论坛年会“未来人工智能先锋论坛”上，清华大学人工智能研究院副院长、生数科技的创始人兼首席科学家朱军，发布了行业首个高可控视频大模型ViduQ1。朱军表示，该模型通过引入多元素控制技术，实现在多主体细节、音效同步和画质增强等多个角度的进展，预计今年4月将全球上线。

  在媒体采访中，朱军强调视频消费的广泛需求和价值密度，让视频生成的商业化进程加快。他提到，2025年将是AI视频商业化加快速度进行发展的关键一年。与语言模型相比，视频模型目前仍然处于起步阶段，行业竞争相对多元，并未出现“一家独大”的格局。

  朱军的团队在视频生成模型上不断进行创新，致力于让生成内容更具可控性。在此之前，用户们在使用AI生成视频时，常常要通过“抽卡”的方式反复尝试，获得理想结果。而通过ViduQ1，用户能在更高的可控性下，轻轻松松实现出场、退场以及坐立等姿态的精准调控。这在某种程度上预示着，用户的创作流程将变得更高效，既能节约时机，也能提升视频内容的沉浸感和感染力。

  值得注意的是，朱军强调，通过将语义指令与参考图的视觉指令相结合，ViduQ1支持角色的位置、大小和运动轨迹等属性的精确调整，特别是在多主体视频生成中，怎么来控制角色之间的相对位置，将是提升生成内容质量的一大难题。同时，该模型还能够同步输出画面和音效，用户都能够精确设置每段音频的时间点，极大的提升了创作的便捷性。

  对未来的发展趋势，朱军表示，视频生成将向更为丰富和多模态的高可控生成发展，尤其是在实现虚实结合和物理世界的交互方面有着更多可能。他的愿景是以视频大模型为起点，推动通用AI的实现。

  谈及当前视频模型行业的竞争状况，朱军指出，目前行业中的勇于探索商业模式的公司各具特色，竞争并不如语言模型那样激烈。这使得他对未来的行业发展充满信心，同时，也代表着团队的创新能力和持续突破至关重要。

  在商业模式选择上，生数科技采取了ToB和ToC两条腿走路的策略。在C端，生数科技的SaaS服务覆盖了超过200个国家和地区，使得用户数在极短的时间内激增至千万。与此同时，在B端，生数科技通过API和模型微调服务了众多行业，包括动漫、广告、影视剧等，形成了强大的市场影响力。

  朱军还谈及融资环境的变化，指出虽然去年下半年融资环境趋于谨慎，但今年整体向好，使得视频模型的商业化进程提速。他认为，行业虽然面临成本挑战，但采用超高的性价比的算力适配以及一直在优化算法模型的策略，可以大大降低生成视频的成本，进一步拓展市场。

  最后，朱军指出，对于视频生成模型仍然有许多技术门槛需要克服，例如支持更长视频时长的生成、增强叙事性等。相信随技术的进步，未来的AI视频生成将实现更丰富的表达和更高的创作自由度，让创作者们能够在这样的领域中发挥出无限的可能性。总之，ViduQ1的推出标志着AI生成视频行业在可控性与效率方面的一个新突破，也为更多创作者提供了全新的工具与平台。返回搜狐，查看更加多