商汤科技Vimi：首个“可控”人物视频生成大模型来了（含申请通道）

「少问自己为什么

   多问别人凭什么」

这自我反思的独到观点，

可不是我说的，

而是…Vimi 的兵马俑表情包文案…

这不，这两天，2024 世界人工智能大会，在上海举办的如火如荼。开馆第 1 天，商汤科技就推出了面向 C 端的，全球首个可控的人物类 AI 视频生成产品-Vimi相机！

To C ? 可控 ？听起来很厉害的样子，

快来跟着我一起扒一扒：

Vimi是商汤科技推出的可控人物视频生成大模型，专为视频创作者设计。通过动作视频、动画、声音和文字等多种驱动元素，Vimi能够生成与目标动作一致的人物视频。它不仅能精准控制人物表情和肢体动作，还能生成合理的头发、服饰和背景，支持光影变化。Vimi突破了传统AI视频生成的限制，能够稳定生成分钟级的单镜头人物视频，画面效果自然流畅。

Vimi

Vimi是商汤科技推出的可控人物视频生成大模型，通过动作视频、动画、声音和文字等多种驱动元素，Vimi能够生成与目标动作一致的人物视频。它不仅能精准控制人物表情和肢体动作，还能生成合理的头发、服饰和背景，支持光影变化。Vimi突破了传统AI视频生成的限制，能够稳定生成分钟级的单镜头人物视频，画面效果自然流畅。无论是娱乐创作还是专业视频制作，Vimi都是您的理想选择。

概述

• 首个“可控”人物视频生成大模型
• 面向C端用户，支持多种娱乐互动场景
• 基于商汤日日新大模型构建

主要功能

• 生成长达1分钟的单镜头人物类视频
• 画面效果稳定，无劣化或失真
• 支持聊天、唱歌、舞动等多样化娱乐互动场景

技术特点

• 通过1张照片，生成目标动作一致的人物视频
• 实现精准的人物表情控制和自然肢体变化控制
• 支持动作视频、动画、声音、文字等元素驱动

应用场景

• 广告、电影制作等行业提供便捷服务

行业认可

• 入选WAIC展会最高荣誉“镇馆之宝”

来看看Vimi官方视频效果如何：

了解了下官方介绍, Vimi主要有两大功能：

已经不再是什么新鲜事儿了

但是，Kimi官方表示, 它能持续生成，

效果相对稳定的，一分钟单镜头人物视频！

并且能精细化控制表情和动作，

这，就比较厉害了!

来看看写真的效果，

Kimi能通过动作、视频、动画、声音、文字等

多种驱动元素，来驱动人物类照片

能控制人物的表情和肢体动作，

生成合理的头发服饰背景和光影的变化

提供一张简单的自拍照，

它就能整出一堆有趣的表情包，

唱歌、跳舞、说晚安！都不在话下，

盲猜，这个性化的定制，能引爆年轻人的刚需..

让自己喜欢的名人动起来，也是可以的…

来，打开下面的链接：

https://vme-int.softsugar.com/questionnaire/

你会看到这行文字：Vimi产品体验申请

进入填写申请信息，等待短信通知，你还等什么？

犹豫，就会像这几天的可灵，跟几十万人一起排队！

可灵大模型

可灵大模型是快手AI团队自研的一款视频生成大模型，采用类似Sora的技术路线，能够生成符合物理规律的大幅度运动视频，模拟真实世界的特性。支持生成长达2分钟的30fps的超长视频，分辨率高达1080p，且支持多种宽高比。2024年6月，快手正式推出了可灵大模型，并在快影App开放邀测体验。