商汤科技发布了首个面向C端用户的“可控”人物视频生成大模型Vimi，该模型支持聊天、唱歌、舞动等多种娱乐互动场景。Vimi能够生成长达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。Vimi基于商汤日日新大模型，仅需一张任意风格的照片就能生成与目标动作一致的人物类视频，并可通过已有人物视频、动画、声音、文字等多种元素进行驱动。

🎉 **可控生成：** Vimi 能够根据用户需求生成不同的人物动作和场景，例如聊天、唱歌、跳舞等。用户可以通过输入文字、图像、视频等多种方式来控制模型的生成结果，实现个性化的视频内容创作。

🎨 **高品质输出：** Vimi 生成的视频画面效果清晰稳定，不会随着时间的变化而劣化或失真。模型能够生成长达1分钟的单镜头视频，并保持画面质量一致，为用户提供高质量的视频体验。

🤖 **多元素驱动：** Vimi 支持多种驱动方式，用户可以通过已有人物视频、动画、声音、文字等元素来控制模型的生成结果。这种多元素驱动方式能够为用户提供更丰富的创作工具和选择，提升视频内容的丰富度和趣味性。

🚀 **应用场景广泛：** Vimi 能够应用于多种娱乐互动场景，例如虚拟偶像、游戏角色、短视频制作等。该模型的出现为用户提供了更多创作可能性，推动了数字内容创作领域的发展。

💡 **基于日日新大模型：** Vimi 基于商汤日日新大模型，利用其强大的能力进行人物视频生成。日日新大模型是商汤科技自主研发的通用人工智能模型，拥有强大的语言理解、图像生成等能力，为 Vimi 的高性能提供了保障。

商汤发布首个“可控”人物视频生成大模型Vimi，该模型主要面向C端用户，支持聊天、唱歌、舞动等多种娱乐互动场景。商汤方面称，Vimi可生成长达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，Vimi基于商汤日日新大模型，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，可通过已有人物视频、动画、声音、文字等多种元素进行驱动。（界面）