生數科技釋出 Vidu Q1：支援首尾幀平滑過渡，自帶 48kHz 音效

做影片的人都知道，最耗時間的往往不是憋創意，而是後期裡那些瑣碎的體力活：找轉場怎麼都不自然，還要滿世界扒無版權的音效，最後聲音跟畫面情緒還對不上。

生數科技最近正式釋出了新一代 AI 影片模型 Vidu Q1，打算把影片特效和音訊製作這套流程徹底打包進文本框裡。

毫不相干的兩張圖，它能順暢連起來

這次更新裡最實用的功能是「首尾幀生成」。只要丟給它兩張毫無關聯的圖片，模型能靠語義理解自己腦補出中間過程，做出一套合理且自然的轉場過渡。

畫質上，Vidu Q1 支援生成最長 5 秒的 1080p 影片。結合此前在 Vidu 1.5 裡積累的多實體一致性技術，它能保證同一段畫面裡的角色和場景不崩壞變形。

在目前的 AI 影片評測基準 VBench 上，Vidu Q1 已經拿下了綜合評分第一的位置。

行業首個 48 kHz 音效，影片自帶情緒配樂

除了視覺，這次 Vidu Q1 最大的突破在聲音上。它推出了業內首個達到 48 kHz 取樣率的 AI 音效生成功能，徹底擺脫了過去 AI 生成音訊那種發悶、粗糙的質感。

使用者只要輸入文字提示詞，就能直接生成背景音樂、環境環境音或特定動作音效。更有意思的是，它能看懂畫面的情緒基調，給懸疑場景配緊張的樂段，給明快鏡頭搭輕快的節奏。

創作者還能直接用自然語言指揮模型，對音訊進行分層編排和時間點對齊，省去了在剪輯軟體裡反覆拖拽音軌的麻煩。

在影視端，生數科技已經在推進落地合作，夥伴包括 Aura Productions，以及由《攝影機不要停！》製片人創立的 AI 動畫工作室 Pocket ANIME。

為什麼重要

我們認為，Vidu Q1 最聰明的地方在於它沒有隻卷純畫質，而是切中了影視工業裡最繁瑣的兩個縫隙：生硬轉場和視聽不同步。

對於獨立創作者、短影片剪輯師或小動畫團隊來說，這個工具的現實價值很高。能把首尾兩幀自然融合成 5 秒鏡頭，再加上情緒匹配的 48 kHz 高規格音效，日常做概念片、過場動畫的門檻被拉低了一大截。

在行業競爭上，這說明生成式影片正在從「單一畫面生成」快速轉向「視聽一體化工作流」。光會畫畫不夠了，模型必須同時具備畫面排程和專業聲音設計能力，這會倒逼 Runway、Sora 等競品加速補齊原生音訊的短板。

不過隱患也很明顯。單次 5 秒的長度應付短鏡頭和廣告還行，要真正服務院線級長片敘事，目前的時長和鏡頭控制力依然只是個輔助草稿工具。它能幫你省掉兩三個後期工序，但離真正的「一鍵拍大片」還有很長一段路要走。