大模型持续迭代 Vidu推出全球首个支持16秒音视频直出模型Q3

    本报讯 （记者贾丽）刚刚过去的2025年，人工智能视频行业正在经历一场深刻变革——从“生成玩具”，演进为真正的“内容生产力工具”。在这一过程中，北京生数科技有限公司（以下简称“生数科技”）推出的Vidu系列模型持续推动行业能力边界的前移。

    从早期的视频生成，到Vidu Q2实现“演技生成”的关键跃迁，再到Vidu Agent“一键成片”，打通完整工作流，AI视频的创作门槛持续降低。

    近日，Vidu Q3模型正式发布。这是一款新一代模型，也是全球首个支持16秒音视频直出的AI视频模型。

    国际权威AI基准测试机构Artificial Analysis最新公布的榜单显示，Vidu Q3排名中国第一，全球第二，超越Runway Gen-4.5，Google Veo3.1和OpenAI Sora 2。业内人士认为，Vidu正用实力让世界看清“中国速度”，领跑视频生成的下半场。

    在生数科技相关负责人看来，这次发布的意义，并不只是“视频变长了”，而是一个关键拐点的到来——AI视频第一次可以作为“可直接使用的叙事内容单元”，进入内容生产的全链条。

    长期以来，行业一直在讨论一个核心问题，AI能不能成为内容生产链条中的叙事参与者，而不仅仅是一个视觉或素材工具。据介绍，ViduQ3的发布，让三项此前难以共存的关键能力，首次在同一模型中得以实现：

    首先，时间长度，跨过了叙事阈值。16秒，是一个对内容生产具有决定性意义的时间节点。它足以完成一次完整的情绪起—承—转—合，可以清晰表达因果关系、冲突与态度，而不只是状态或画面展示，能够作为漫剧、短剧及影视剧中的一个独立叙事段落被直接使用。

    这意味着，AI生成的不再只是“镜头片段”，而是具备叙事闭环的内容单元。

    其次，声音与画面实现端到端直出。在Vidu Q3中，音频不再是生成后的附加环节。它不再是“画面生成+后期配音”，而是：画面节奏、对白、环境音与情绪同步生成，剪辑节奏、情绪呼吸点与叙事重点，在模型内部已完成对齐。

    这一步的本质，不是音频能力的提升，而是AI开始理解多模态影视语言，而不仅是视觉语言。

    另外，模型生成结果可以被开发者直接“拿去用”，直接进入分发与商业使用链路。

    当时间长度跨过叙事阈值、音画成为原生整体，并且生成结果具备可直接使用的稳定性时，AI视频就不再只是生产链条中的某一个工具，而是真正进入了内容生产的全链条。

    据了解，围绕这一跃迁，Vidu Q3通过三项核心能力，将传统后期流程系统性前置至生成端，实现“一镜到底”的工业化突破，分别包括16秒声画同出、多镜头自由切换、多语言对话。

    业内人士认为，Vidu Q3的“一镜到底”能力，正深刻重塑高时效性内容产业的生产模式与成本结构。

    对短剧、漫剧行业而言，创作模式从“堆人力”转向“提效率”，内容更新周期从“月更”级压缩至“日更”级，大幅降低了高质量内容的量产门槛。对于广告营销行业而言，实现了营销素材与产品迭代、市场热点的实时同步，极大提升了品牌的营销敏捷性与创意测试效率。

    业内人士认为，当AI视频不再是平铺直叙的单一镜头叙事，不再需要后期文字拼贴，AI视频才算是真正进入到了实际生产环节，Vidu Q3的推出也为短剧、漫剧、影视剧行业的AI应用按下了快捷键。

（编辑 郭之宸）