A IA chinesa para criar vídeos consegue criar vídeos realistas de até 16 segundos e com resolução máxima de 1080 pixels, que comumente é chamada de Full HD. Ela usa uma tecnologia de transformação visual própria chamda de Universal Vision Transformer (U-ViT).

Segundo a Shengshu, o Vidu pode criar vídeos realistas de 16 segundos em alta definição a partir de um texto. O lançamento da nova ferramenta é um grande avanço no campo da IA e teve grande repercussão na China.