VIMI大模型

VIMI大模型，由商汤科技推出，是全球首个可控人物视频生成的AI工具，基于商汤的日日新大模型技术，可通过动作视频、动画、声音、文字等多种驱动元素操控人物图片，生成的画面效果不会因时间推移而降低质量或失真，可生成与目标动作一致的人物视频。此外，VIMI在人物稳定性、视频生成时长方面也有显著突破，能够稳定生成分钟级的单镜头人物视频。

VIMI大模型不仅能实现精准的人物表情控制，还可以控制照片中人物上半身的自然肢体动作，并自动生成与人物相符的头发、服饰及背景变化，光影变化也合理生成，确保人物动作和视觉效果流畅自然，画面和谐唯美，是一款稳定的可控人物视频生成产品。

VIMI大模型功能特征：

• 可控人物：VIMI能够精确控制视频中人物的面部表情和肢体动作，生成与目标动作高度一致的视频内容。无论是微妙的面部表情变化，还是复杂的全身动作，VIMI都能够准确捕捉并再现。

• 多种控制方式：VIMI提供了多样化的控制输入方式，包括人物视频、动画参数、语音文字等，让用户可以通过不同输入方法驱动视频生成，创造更丰富和多样的视频内容。

• 分钟级单镜头：支持生成分钟级的单镜头人物视频。

• 合理的视频场景生成：VIMI不仅关注人物表现，还能生成合理的视频场景，包括人物的头发、服饰、背景等元素的补全，以及光影变化的支持。这使得VIMI生成的视频不仅人物表现自然，整个场景也和谐统一。

• 稳定生成长视频：VIMI能够生成长达一分钟的单镜头人物视频，且画面效果稳定，不随时间劣化或失真。这是一个显著的突破。

VIMI大模型应用场景：

VIMI主要面向C端用户，适用于聊天、唱歌、舞动等多种娱乐互动场景。

• 娱乐创作：满足广大用户的娱乐创作需求，如生成数字分身和写真视频以及各种趣味的人物表情包。

• 影视制作：为影视作品提供高质量的人物视频素材，减少制作成本和时间。

• 动画制作：支持动画创作者使用骨架生成动作，提高动画制作效率。

VIMI大模型在2024年世界人工智能大会（WAIC）上发布，并入选大会展览展示最高荣誉“镇馆之宝”。VIMI大模型能够生成长达1分钟以上的单镜头人物视频，且画面效果不会随时间降低品质或失真，还能根据人物动作调整环境场景，模拟镜头角度变化和头发抖动，提供逼真的视觉效果。

VIMI将完全向广大用户开放使用。用户只需上传不同角度的高清人物照片，即可自动生成数字分身和不同风格的写真短片。针对喜爱自拍的用户，VIMI支援聊天、唱歌、舞动等多种娱乐互动场景。