产品中心

硬刚马斯克，超越Sora2的国产模型强势登场了！支持16秒声画同出_Vidu_镜头_***添加时间：2026-01-31 11:15:02

“内容为王”这句话在哪个时代都不会过时。随着消费升级，日益庞大的中国高端群体对高品质的生活方式与旅行体验的需求为高端出境旅游市场带来巨大市场机遇。现今的旅游产品也更向个性化、定制化、品质化靠拢，对内容创新提出更高的要求。内地的旅游内容市场仍有5-10倍的增长空间。最近36氪接触了一家做移动端旅游社区电商的团队——河马旅居指南。

河马旅居定位中等收入人群18-34岁的年轻群体，想通过碎片化的PGC或UGC内容培养用户粘性，由内容社区模式切入出境游市场。传统的旅游内容多是以长图文的游记形式呈现，河马旅居并不刻意强调旅游路线或整个游历过程的感受，在内容呈现上更加碎片化、个性化、移动化以及品质化，以小众或特色地点作为维度输出内容，建立内容社区，类似于旅游界的“小红书”或“什么值得买”。

河马旅居在部分海外旅游城市有一个4到5人的自媒体小团队定期生产PGC内容，每月更新一次内容，以优质的内容导流。目前河马的获客成本低至2-3元/人。

优质的内容利于培养高粘性度的用户，当累计到一定数量的优质内容生产者，达到一定的用户规模时，将由PGC内容带动UGC内容的自发产出，进而开始搭建旅游内容社区，最后完成向旅游社区电商的转型，形成交易闭环。

目前河马旅居的流量较为分散，微信公众号累计粉丝3万，MONO 5万，豆瓣 1万，C端获客主要来自微博、豆瓣，上周刚上线微信小程序。后期需考虑转化用户集中流量，现阶段团队正尝试跟移动WiFi租赁和签证业务团队资源置换，互相增加入口。

商业模式上，河马旅居打算分两步走，第一阶段，先帮助用户解决去哪里玩的问题。河马打算与当地的旅游局或航空公司合作，帮助他们做中国市场的整体营销，宣传当地旅游资源。第二阶段，解决用户怎么玩的问题。平台可通过用户的行为数据分析社区调性从而推荐相应的特色化旅游产品，例如在京都的寺院坐禅、学习茶道、参观日本酒的蒸馏厂等等。

此外，河马旅居也在尝试开拓知识付费的营收渠道。从体验、艺术、咖啡、酒吧、餐厅、酒店等六个维度切入，做成各旅游城市的PDF版官方性质PGC攻略。3月份售出800多本，每本单价15元。

河马旅居创始人余晓盼表示，河马旅居的核心竞争力还是个性化的内容表达。“传统旅游社区把内容做的太死气沉沉了。人美、景美但流水账似的内容很无趣。好的内容本身就是门槛。原创的有趣的才有生命力。”

内容+电商并不是一个新概念，如今传统OTA、头部电商平台以及媒体型电商都在加码内容，但要持续产出有价值的内容并非易事，需要足够规模的内容生产团队长时间的内容积累，而具有极强传播力的爆款内容更是可遇而不可求，营造内容社区所花费的精力也许正是其门槛所在。

河马旅居目前的管理团队为4人，内容产出团队20人。创始人余晓盼任河马主编兼运营，曾任职于私募、资管、律师事务所，为《美食侦探系列》旅行畅销书作者。团队目前正在寻求天使轮融资。

智东西

作者 | 江宇

编辑 | 漠影

智东西1月30日报道，今日，来自生数科技的AI***模型Vidu Q3 Pro登上国际权威AI基准平台Artificial Analysis榜单，位列中国第一，全球第二。

这是最新榜单内，首个打入国际第一梯队的国产***生成模型。

它仅次于马斯克旗下xAI的Grok，领先于Runway Gen-4.5、Google Veo 3.1和OpenAI Sora 2。

▲国际权威AI基准平台Artificial Analysis最新榜单

而这项排名的背后，是国产AI***生成技术迈出的关键一步——模型已经突破“能出画”的门槛，具备“会讲故事的导演感”。

展开全文

在这个***都能把文字变成***的阶段，看似创作门槛降低了，真正想做出一条有情绪、有节奏、有表达的短片，却依然难度不小。

最常见的问题有三：

一是静音哑片，不能同步输出声音，画面与音效相对割裂；

二是镜头语言单一、节奏缺失，难以表达复杂情绪；

三是文字缺席，没有文字，台词、字幕、广告语全靠后期补救。

它们分别卡在AI生成***环节的不同节点，直接限制了AI***模型从生成工具走向内容创作引擎的能力。

如今，这个缺口正被Vidu Q3填补。新一代***生成模型Vidu Q3，完成了三项关键突破：全球首个支持16s音***直出的模型、镜头自由切换控制、画面内精准文字渲染——声音、镜头、语言三者齐发。

它不仅能讲出完整的台词、控制好节奏，还能直接在画面中“写”下表达，具备导演级的调度能力，专门为“剧”而生。

自此，一款具备“导演感”的AI***生成模型来了。

一、从“生成***”到“调度镜头”，三块短板正被补上

对很多AI***创作者来说，“把画面做出来”已经不是问题，难的是“怎么让它讲得通顺、看得下去”。

这次，Vidu Q3升级为一款将声音、镜头、节奏与字体渲染打包生成的创作引擎，具备更接近专业导演的视听表达能力，开始补上AI***创作长期缺失的三块关键能力：

首先，是音画同步这一技术难题的突破，让AI***终于能“讲完整的话”了。

Vidu Q3支持最长16秒的音***一体生成，语音、旁白、对话、音效和音乐可以同步输出，还能精准对口型。

目前，该模型已覆盖中文、英文、日文，是全球首个在这一时长内实现高质量声画同出的生成模型。

其次，镜头调度不再呆板，开始具备戏剧张力。

Vidu Q3能够根据内容自动切换镜头视角，从远景到特写，不同情绪、动作、节奏的变化都能驱动镜头语言的调整，模拟专业导演的调度方式，让AI生成的故事更有视觉语言，而不只是“画在动”。

最后，长久困扰生成***的文字渲染问题也得到解决。

Vidu Q3可直接在画面中生成中、英、日三种语言的文字内容，支持广告语、环境标识等多种文字场景自然融入画面，无需再靠贴图拼接，整体排版风格统一，省去了大量后期工作。

当这三块短板被补上后，AI***的表达力开始具备“讲故事”的能力，而不再只是片段的拼贴。

二、实测体验：我们让AI“导”了一支16秒短片

我们设定了一个国漫风格的创意场景，测试Vidu Q3是否能够在“导演视角”下同时调度语音、镜头与画面文字。

提示词：深山竹林中，一男一女两位剑客正在对峙。男性剑客（声音沉缓）：“真的没有挽回的余地了吗？”镜头切至女性剑客特写，她一身红衣，嘴角挑起一抹不屑的冷笑。女性剑客（语气桀骜）：“你我二人早已恩断义绝，看招！”她身形如闪电般窜出，两人剑光交错，招式行云流水，剑刃碰撞的清脆铮鸣与古风鼓点交织，在竹林间激荡出凌厉的交锋节奏。背景叠加古风氛围音乐以及冷兵器碰撞摩擦的声音。

提示词：深山竹林中，一男一女两位剑客正在对峙。男性剑客（声音沉缓）：“真的没有挽回的余地了吗？”镜头切至女性剑客特写，她一身红衣，嘴角挑起一抹不屑的冷笑。女性剑客（语气桀骜）：“你我二人早已恩断义绝，看招！”她身形如闪电般窜出，两人剑光交错，招式行云流水，剑刃碰撞的清脆铮鸣与古风鼓点交织，在竹林间激荡出凌厉的交锋节奏。背景叠加古风氛围音乐以及冷兵器碰撞摩擦的声音。

整体观感上，本次生成节奏自然，镜头切换清晰，角色对白与口型匹配度较高，画面构图和氛围也较为协调，基本还原了古风剑客对峙的场景。

进一步观察细节，不同镜头间的切换能够精准对应动作转换节点，剑光交错、人物移动与镜头运转的节奏保持一致，未出现跳帧、错位等干扰体验的问题。

背景音乐层次分明，冷兵器碰撞声与角色台词均有良好呈现。

在实际生成过程中，出片效率较高，画面渲染稳定，交互过程清晰。用户可通过提示词对人物对白、画面风格、动作节奏等多维度进行控制，可控感明显提升。

综合来看，Vidu Q3已具备基础的“导演感”，能够胜任短剧创作、影视剧情、广告营销等多种场景。

三、能拍短剧、能出广告、也能做动漫，内容创作的地基在悄悄重构

当***生成开始承担内容生产的完整链条，我们看到的几个实际应用方向，已经能串起从剧本到出片的全过程。

通过声音、动作与镜头的协同生成，Vidu Q3能够还原较为复杂的情节表达，支持分镜与情绪变化，是目前较为适合叙事类创作的应用方向之一，可以被用于制作短剧、漫剧等故事内容。

与此同时，在广告与产品展示场景中，自动出片能力也显著提升了创作效率。

该模型适合带解说的产品***、人物出镜介绍等形式，“语音+镜头”联动生成，免去了“脚本-拍摄-剪辑”的多轮反复。

此外，Vidu Q3也在自媒体和播客等轻制作领域展现出较强的实用性。

Vidu Q3支持风格设定与人物设定，搭配对白和动态镜头，让播客或短***内容也具备足够好的观看体验，且能够批量生产。