Vimi

Vimi 在 2024 年 7 月 4 日的世界人工智能大会（WAIC 2024）上由商汤科技发布，被官方定位为首个面向普通用户的可控人物视频生成大模型，并入选当届大会的“镇馆之宝”。它基于商汤日日新大模型体系（发布时对应日日新 5.5），输入只需要一张任意风格的人物照片，就能生成与目标动作一致的人物视频。

• 驱动方式比较宽：可以拿现成的人物视频、动画序列当参照，也能用一段音频或一句文字来指挥。可控性是它主打的方向，表情之外还覆盖半身范围内的肢体动作，头发、服饰、背景会跟着人物自动补全，光影变化也做了合理性处理。稳定性上，官方给出的指标是可生成长达 1 分钟的单镜头人物视频，画面不随时间推移劣化或失真，这一点针对的是同类工具普遍只能出 3 到 4 秒短片的痛点。
• 用法偏向娱乐创作：上传不同角度的高清人物照，可以生成数字分身和不同风格的写真视频；配合聊天、唱歌、舞动等场景，或把单张图做成趣味表情包。发布时官方表示 Vimi 完全面向普通用户开放，并在商汤官网开启预约。截至本页整理时，商汤未公开 Vimi 独立的付费页面，具体可用范围以官网为准。