在WAIC2025世界人工智能大会上，生数科技重磅发布Vidu Q1"参考生视频"功能，通过算法创新彻底颠覆传统视频制作流程，为视频生成领域带来突破性进展。

告别分镜，一键直出视频

"参考生视频"最大亮点在于跳过复杂的前期分镜制作环节。用户只需上传人物、道具、场景等参考图，配合文字提示，即可直接生成完整视频素材。制作流程从传统的"分镜生成——视频生成——剪辑——成片"简化为"参考图——视频生成——剪辑——成片"。

例如，输入"诸葛亮与丘吉尔、拿破仑在会议室讨论"的提示词，上传三位历史人物参考图和会议室场景图，系统即可生成三人同框对话的完整视频。

破解商业化核心难题

该功能核心优势在于解决视频模型商业化的关键瓶颈——主体一致性问题。Vidu Q1参考生目前支持最多七个主体同时输入并保持一致，据生数科技表示，这已能满足绝大部分创作场景需求。

生数科技CEO骆怡航表示，这种通用创作方式将更好地服务广告、动漫、影视、文旅、教育等多元商业场景，实现从线下拍摄到线上AI创作的本质转变。

技术路径与产业导向

生数科技采用U-ViT架构，结合扩散模型与Transformer技术，并在此基础上优化算法模块。Vidu模型内置多模态理解能力，已成功应用于视频生成。

骆怡航强调，团队以产业落地为主要导向，暂未将理解与生成一体化作为优先级，"行业客户更关心内容效果而非技术路线"。

拓展具身智能新领域

7月25日，清华大学与生数科技联合发布具身智能模型Vidar，通过"视频大模型+具身智能"路径实现低成本、少样本泛化。

骆怡航解释，视频模型与具身智能在本质上都处理时空信息，采用相同的输入决策逻辑。团队基于Vidu视频大模型，通过少量机器人实操视频训练，可将虚拟视频转化为对应机械臂动作，有效解决传统VLA路线的数据稀缺问题。

目前，Vidu仍以提升视频生成能力为最高优先级，将具身智能作为持续探索方向，为该领域开启潜在商业市场。