大模型持續(xù)迭代 Vidu推出全球首個支持16秒音視頻直出模型Q3

    本報訊 （記者賈麗）剛剛過去的2025年，人工智能視頻行業(yè)正在經歷一場深刻變革——從“生成玩具”，演進為真正的“內容生產力工具”。在這一過程中，北京生數科技有限公司（以下簡稱“生數科技”）推出的Vidu系列模型持續(xù)推動行業(yè)能力邊界的前移。

    從早期的視頻生成，到Vidu Q2實現“演技生成”的關鍵躍遷，再到Vidu Agent“一鍵成片”，打通完整工作流，AI視頻的創(chuàng)作門檻持續(xù)降低。

    近日，Vidu Q3模型正式發(fā)布。這是一款新一代模型，也是全球首個支持16秒音視頻直出的AI視頻模型。

    國際權威AI基準測試機構Artificial Analysis最新公布的榜單顯示，Vidu Q3排名中國第一，全球第二，超越Runway Gen-4.5，Google Veo3.1和OpenAI Sora 2。業(yè)內人士認為，Vidu正用實力讓世界看清“中國速度”，領跑視頻生成的下半場。

    在生數科技相關負責人看來，這次發(fā)布的意義，并不只是“視頻變長了”，而是一個關鍵拐點的到來——AI視頻第一次可以作為“可直接使用的敘事內容單元”，進入內容生產的全鏈條。

    長期以來，行業(yè)一直在討論一個核心問題，AI能不能成為內容生產鏈條中的敘事參與者，而不僅僅是一個視覺或素材工具。據介紹，ViduQ3的發(fā)布，讓三項此前難以共存的關鍵能力，首次在同一模型中得以實現：

    首先，時間長度，跨過了敘事閾值。16秒，是一個對內容生產具有決定性意義的時間節(jié)點。它足以完成一次完整的情緒起—承—轉—合，可以清晰表達因果關系、沖突與態(tài)度，而不只是狀態(tài)或畫面展示，能夠作為漫劇、短劇及影視劇中的一個獨立敘事段落被直接使用。

    這意味著，AI生成的不再只是“鏡頭片段”，而是具備敘事閉環(huán)的內容單元。

    其次，聲音與畫面實現端到端直出。在Vidu Q3中，音頻不再是生成后的附加環(huán)節(jié)。它不再是“畫面生成+后期配音”，而是：畫面節(jié)奏、對白、環(huán)境音與情緒同步生成，剪輯節(jié)奏、情緒呼吸點與敘事重點，在模型內部已完成對齊。

    這一步的本質，不是音頻能力的提升，而是AI開始理解多模態(tài)影視語言，而不僅是視覺語言。

    另外，模型生成結果可以被開發(fā)者直接“拿去用”，直接進入分發(fā)與商業(yè)使用鏈路。

    當時間長度跨過敘事閾值、音畫成為原生整體，并且生成結果具備可直接使用的穩(wěn)定性時，AI視頻就不再只是生產鏈條中的某一個工具，而是真正進入了內容生產的全鏈條。

    據了解，圍繞這一躍遷，Vidu Q3通過三項核心能力，將傳統后期流程系統性前置至生成端，實現“一鏡到底”的工業(yè)化突破，分別包括16秒聲畫同出、多鏡頭自由切換、多語言對話。

    業(yè)內人士認為，Vidu Q3的“一鏡到底”能力，正深刻重塑高時效性內容產業(yè)的生產模式與成本結構。

    對短劇、漫劇行業(yè)而言，創(chuàng)作模式從“堆人力”轉向“提效率”，內容更新周期從“月更”級壓縮至“日更”級，大幅降低了高質量內容的量產門檻。對于廣告營銷行業(yè)而言，實現了營銷素材與產品迭代、市場熱點的實時同步，極大提升了品牌的營銷敏捷性與創(chuàng)意測試效率。

    業(yè)內人士認為，當AI視頻不再是平鋪直敘的單一鏡頭敘事，不再需要后期文字拼貼，AI視頻才算是真正進入到了實際生產環(huán)節(jié)，Vidu Q3的推出也為短劇、漫劇、影視劇行業(yè)的AI應用按下了快捷鍵。

（編輯 郭之宸）