商汤发布首个“可控”人物视频生成大模型Vimi，面向 C 端开放

数码芝华士

商汤科技在世界人工智能大会（WAIC）上发布了首个“可控”人物视频生成大模型 Vimi，通过一张任意风格的照片就能生成和目标动作一致的人物类视频，并支持多种驱动方式，可通过已有人物视频、动画、声音、文字等多种元素进行驱动。

与图片表情控制类技术只能控制头部表情动作不同，商汤称 Vimi 不但可以实现精准的人物表情控制，还可实现在半身区域内控制照片中人物的自然肢体变化，并自动生成与人物相符的头发、服饰及背景变化。

同时 Vimi 可稳定生成 1 分钟的单镜头人物类视频，画面效果不会随着时间的变化而劣化或失真，满足娱乐互动等需要长时间稳定视频生成需求。

Vimi 将完全面向 C 端用户开放使用，用户只需上传不同角度的高清人物图片，即可自动生成数字分身和不同风格的写真视频。

由 Vimi 生成的视频人物不再只是呆板的五官运动，而是搭配手势、肢体、头发等，形成更完整、统一的人物动作，让创作者可基于生成的视频素材进行剪辑和再创作。