最新进展表明，视频扩散模型（VDM）可被重新用于多种多样的多模态图形任务。然而，现有方法通常针对每个问题场景训练独立的模型，这固定了输入-输出映射并限制了对跨模态相关性的建模。我们提出了 UniVidX，这是一个利用 VDM 先验进行多功能视频生成的统一多模态框架。UniVidX 将像素对齐的任务公式化为共享多模态空间中的条件生成，在适应特定模态分布的同时保留骨干网络的固有先验，并在合成过程中促进跨模态一致性。它基于三个关键设计。随机条件掩码（SCM）在训练过程中将模态随机划分为干净条件和噪声目标，从而实现全方向条件生成，而非固定映射。解耦门控 LoRA（DGL）引入了每模态 LoRA，当某模态作为生成目标时激活，从而保留 VDM 的强大先验。跨模态自注意力（CMSA）在跨模态间共享键和值，同时保持特定模态的查询，促进信息交换和跨模态对齐。我们在两个领域中实例化了 UniVidX：UniVid-Intrinsic，用于 RGB 视频和包括反照率、辐照度和法线在内的固有图；以及 UniVid-Alpha，用于混合 RGB 视频及其组成 RGBA 层。实验表明，这两个模型在截然不同的任务中达到了与最先进方法相当的性能，并在野外场景中表现出强大的泛化能力，即使在训练数据少于 1,000 个视频的情况下也是如此。项目页面：https://houyuanchen111.github.io/UniVidX.github.io/