生数科技发布 Vidu Q1：支持首尾帧平滑过渡，自带 48kHz 音效

做视频的人都知道，最耗时间的往往不是憋创意，而是后期里那些琐碎的体力活：找转场怎么都不自然，还要满世界扒无版权的音效，最后声音跟画面情绪还对不上。

生数科技最近正式发布了新一代 AI 视频模型 Vidu Q1，打算把视频特效和音频制作这套流程彻底打包进文本框里。

毫不相干的两张图，它能顺畅连起来

这次更新里最实用的功能是「首尾帧生成」。只要丢给它两张毫无关联的图片，模型能靠语义理解自己脑补出中间过程，做出一套合理且自然的转场过渡。

画质上，Vidu Q1 支持生成最长 5 秒的 1080p 视频。结合此前在 Vidu 1.5 里积累的多实体一致性技术，它能保证同一段画面里的角色和场景不崩坏变形。

在目前的 AI 视频评测基准 VBench 上，Vidu Q1 已经拿下了综合评分第一的位置。

行业首个 48 kHz 音效，视频自带情绪配乐

除了视觉，这次 Vidu Q1 最大的突破在声音上。它推出了业内首个达到 48 kHz 采样率的 AI 音效生成功能，彻底摆脱了过去 AI 生成音频那种发闷、粗糙的质感。

用户只要输入文字提示词，就能直接生成背景音乐、环境环境音或特定动作音效。更有意思的是，它能看懂画面的情绪基调，给悬疑场景配紧张的乐段，给明快镜头搭轻快的节奏。

创作者还能直接用自然语言指挥模型，对音频进行分层编排和时间点对齐，省去了在剪辑软件里反复拖拽音轨的麻烦。

在影视端，生数科技已经在推进落地合作，伙伴包括 Aura Productions，以及由《摄影机不要停！》制片人创立的 AI 动画工作室 Pocket ANIME。

为什么重要

我们认为，Vidu Q1 最聪明的地方在于它没有只卷纯画质，而是切中了影视工业里最繁琐的两个缝隙：生硬转场和视听不同步。

对于独立创作者、短视频剪辑师或小动画团队来说，这个工具的现实价值很高。能把首尾两帧自然融合成 5 秒镜头，再加上情绪匹配的 48 kHz 高规格音效，日常做概念片、过场动画的门槛被拉低了一大截。

在行业竞争上，这说明生成式视频正在从「单一画面生成」快速转向「视听一体化工作流」。光会画画不够了，模型必须同时具备画面调度和专业声音设计能力，这会倒逼 Runway、Sora 等竞品加速补齐原生音频的短板。

不过隐患也很明显。单次 5 秒的长度应付短镜头和广告还行，要真正服务院线级长片叙事，目前的时长和镜头控制力依然只是个辅助草稿工具。它能帮你省掉两三个后期工序，但离真正的「一键拍大片」还有很长一段路要走。