7月4日，世界人工智能大会（WAIC 2024）在上海召开，由商汤科技打造的首个面向C端用户的可控人物视频生成大模型——Vimi入选WAIC展览展示最高荣誉“镇馆之宝”，成为本届大会最具创新展品。Vimi基于商汤日日新大模型的强大能力，仅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。
精准表情控制！
首次实现分钟级可控、唯美人物视频生成
随着大模型和生成式AI技术的快速发展，让照片中的人物动起来已经不是新鲜事。但目前市面上的相关产品在实际应用中存在诸多痛点，有的人物动作、表情动作无法精准控制，只能频繁尝试各种Prompt抽卡；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秒视频等诸多限制创作的问题，无法满足广大视频创作者的使用需求。为了解决这些应用中的实际问题，商汤可控人物视频生成大模型Vimi应运而生。
据商汤介绍，与图片表情控制类技术只能控制头部表情动作不同，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。同时光影变化也能做到合理生成，让人物动作和视觉效果流畅自然，画面和谐唯美。更重要的是，Vimi具备极强的稳定性，可稳定生成长达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，真正满足娱乐互动等需要长时间稳定视频生成需求。
（可生成自然的光影、头发的飘动、一致的运镜）
据悉，Vimi以商汤日日新大模型体系为基础，结合商汤在计算机视觉领域的多年技术积淀和经验积累，能够精准识别和理解复杂的人物图片，并通过强大的AIGC能力，实现和谐、稳定的视频内容生成。目前，Vimi已在商汤科技官网开放预约。
文/广州日报新花城记者：张露、文静、李晓璐、陈庆辉
广州日报新花城编辑：龙嘉丽
