用一张人物照片生成1分钟唯美视频 商汤Vimi入选“镇馆之宝”

　　今天开幕的2024世界人工智能大会上，商汤科技研发的可控人物视频生成大模型Vimi入选本届大会展览“镇馆之宝”，成为最有创新性的展品之一。Vimi基于“日日新”大模型，只通过一张人物照片，就能生成一段1分钟左右的人物视频，并支持动画、声音、文字等多种元素的驱动方式。这个大模型已在商汤科技官网开放预约，邀个人用户体验。

　　研发团队介绍，随着大模型和生成式人工智能技术的快速发展，让照片中的人物动起来已不是新鲜事，但市场上的这类产品在应用中存在诸多痛点，有的人物动作和表情无法精准控制，只能频繁尝试各种Prompt；有的效果稳定性不高，人物长相、背景效果变幻莫测；有的时长有限，只能生成3—4秒视频，无法满足视频创作者的使用需求。为了解决这些问题，这家人工智能企业研发出可控人物视频生成大模型Vimi。

　　与图片表情控制类技术只能控制头部表情不同，Vimi不但可以实现精准的人物表情控制，还可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、服饰和背景变化。同时，光影变化也能合理生成，让人物动作和视觉效果流畅自然，画面和谐美观。