VIMI大模型，商湯科技推出的全球首個(gè)可控人物視頻生成aiGC產(chǎn)品，VIMI大模型基于商湯的日日新大模型技術(shù)，可以通過動(dòng)作視頻、動(dòng)畫、聲音、文字等多種驅(qū)動(dòng)元素來驅(qū)動(dòng)人物類圖片，畫面效果不會(huì)隨著時(shí)間的變化而降低品質(zhì)或失真，從而生成和目標(biāo)動(dòng)作一致的人物類視頻。除了可控性外，Vimi在生成人物穩(wěn)定性、生成視頻時(shí)長上，也突破了其它大模型AI視頻生成的限制，可以穩(wěn)定的生成分鐘級(jí)的單鏡頭人物視頻。

VIMI大模型不但可以實(shí)現(xiàn)精準(zhǔn)的人物表情控制，還可控制照片中人物上半身的自然肢體動(dòng)作，并自動(dòng)生成與人物相符的頭發(fā)、服飾及背景變化。同時(shí)光影變化也能做到合理生成，讓人物動(dòng)作和視覺效果流暢自然，畫面和諧唯美，是穩(wěn)定的可控人物視頻生成產(chǎn)品。

VIMI大模型功能特征：

• 可控人物：VIMI能夠精確控制視頻中人物的面部表情和肢體動(dòng)作，生成與目標(biāo)動(dòng)作高度一致的視頻內(nèi)容。無論是微妙的面部表情變化，還是復(fù)雜的全身動(dòng)作，VIMI都能夠準(zhǔn)確捕捉并再現(xiàn)。

• 多種控制方式：VIMI提供了多樣化的控制輸入方式，包括人物視頻、動(dòng)畫參數(shù)、語音文字等。使用戶能夠通過不同的輸入方法來驅(qū)動(dòng)視頻生成，創(chuàng)造出更豐富和多樣化的視頻。

• 分鐘級(jí)單鏡頭：支持生成分鐘級(jí)的單鏡頭人物視頻

• 合理的視頻場景生成：VIMI不僅關(guān)注人物本身的表現(xiàn)，還能夠生成合理的視頻場景，包括人物的頭發(fā)、服飾、背景等元素的補(bǔ)全，以及光影變化的支持。這使得VIMI生成的視頻不僅人物表現(xiàn)自然，整個(gè)場景也和諧統(tǒng)一。

• 穩(wěn)定生成長視頻：VIMI能夠生成長達(dá)一分鐘的單鏡頭人物視頻，且畫面效果穩(wěn)定，不隨時(shí)間劣化或失真。這是一個(gè)顯著的突破。
  

VIMI大模型應(yīng)用場景：

VIMI主要面向C端用戶，適用于聊天、唱歌、舞動(dòng)等多種娛樂互動(dòng)場景。

• 娛樂創(chuàng)作：滿足廣大用戶的娛樂創(chuàng)作需求，如生成數(shù)字分身和寫真視頻和各種趣味的人物表情包。

• 影視制作：為影視作品提供高質(zhì)量的人物視頻素材，減少制作成本和時(shí)間。

• 動(dòng)畫制作：支持動(dòng)畫創(chuàng)作者使用骨架生成動(dòng)作，提高動(dòng)畫制作效率。

Vimi大模型在2024年世界人工智能大會(huì)（WAIC）上發(fā)布，并入選大會(huì)展覽展示最高榮譽(yù)“鎮(zhèn)館之寶”。Vimi大模型能夠生成長達(dá)1分鐘以上的單鏡頭人物視頻，且畫面效果不會(huì)隨時(shí)間降低品質(zhì)或失真，還能根據(jù)人物動(dòng)作調(diào)整環(huán)境場景，模擬鏡頭角度變化和頭發(fā)抖動(dòng)，提供逼真的視覺效果。

Vimi將完全向廣大用戶開放使用。用戶只需上傳不同角度的高清人物照片，即可自動(dòng)生成數(shù)字分身和不同風(fēng)格的寫真短片。針對(duì)喜愛自拍的用戶，Vimi支援聊天、唱歌、舞動(dòng)等多種娛樂互動(dòng)場景。