智象未来｜发布物理规律导向视频模型HiDream-O1-Video-1.0

视频生成若只会「好看」，下一题往往是：物体会不会凭空穿模、重力像不像真的、口型与环境声能不能跟着镜头一起对上。9月15日，智象未来（HiDream.ai）正式发布原生全模态视频生成模型HiDream-O1-Video-1.0（简称HD-V1）。公开口径称，模型支持文本、图片、视频等多种模态输入，可一键直出约5至20秒1080p高保真视频，并在意图理解、物理规律理解、自主规划叙事与音画一体化生成等维度升级。

智象未来是国内生成式多模态公司，叙事强调「一个原生全模态底座、四大模型同源演进」。此前已布局图像生成模型HiDream-O1-Image、交互式世界模型HiDream-O1-World与具身世界模型HiDream-O1-Embodied；HD-V1被定位为同一底座上的视频分支。创始人梅涛公开表述公司致力于让四条产品线同源演进，而不是彼此割裂的单点模型。

能力与评测要点（公司公开口径）：

1. 输入：文本、图片、视频等多模态
2. 输出：约5–20秒1080p视频；时长可随内容自主规划
3. 规划：前置多模态意图理解模块，结构化规划镜头时长、场景、角色动作表情、运镜焦段、台词与背景声等字段
4. 物理：把重力、碰撞、惯性、光影衰减与空间连续性等约束写入生成逻辑
5. 音画：文本、视频、音频联合建模，追求镜头切换时环境声过渡、人物口型与情绪同频
6. 榜单：Artificial Analysis图生视频（With Audio）公开称约列全球第四；Arena.ai图生视频盲测约列全球第八
7. 开放：目前为内测申请阶段

所谓物理规律导向，白话是让生成结果更像「世界里可能发生的事」，而不是只拼贴好看的帧。所谓音画原生一体化，白话是声音不是后期硬贴，而是和画面在同一套生成过程里对齐。对创作者与广告制作方，这对应「少修穿模、少对人嘴型」的效率叙事；对评测方，则要看榜单协议是否可复核、名次是否随对照模型快速波动。

放在全球视频大模型竞赛上下文里，各家都在卷时长、分辨率与可控编辑，真正难的是物理一致性与声画同步。HD-V1选择把物理与音画写成架构卖点，并同步给出第三方榜单位次，等于用可对照名次回应「中国视频模型在不在第一梯队」。竞品若只有样片、给不出同协议榜单，说服力会分层。

产业影响上，若内测后迅速公测并稳住一致性，会强化智象在视频侧的产品完整性；若长期停在申请表与样片，市场热度会随新闻周期退去。需要把边界读清楚：榜单名次随时间窗与对照集变化；内测不等于开放商用SLA与稳定配额。下一观察点是公测开放节奏、长视频与复杂多镜头一致性，以及与既有世界模型产品线的协同接口。