在2024年世界人工智能大会（WAIC）上，商汤科技推出的可控人物视频生成大模型Vimi，确实令人眼前一亮。简单来说，用户只需提供一张静态照片，就能生成一段与目标动作高度一致的人物视频——表情、肢体动作均可精准控制，并且支持视频、动画、声音、文字等多种驱动方式。这背后是商汤多年积累的面部跟踪技术以及对细节的精细把控，最终输出的画面一致性高、光影自然融合，几乎看不出破绽。

更让人印象深刻的是它的稳定性。市面上不少视频生成模型，画面一旦拉长就容易失真或崩坏，但Vimi在这方面表现相当扎实：单镜头人物视频可以稳定生成1分钟以上，画质不会随时间推移而劣化。不仅如此，它还能根据人物的动作动态调整环境场景，模拟镜头角度变化和头发抖动——这些细节处理到位后，视觉效果极为逼真。值得一提的是，Vimi还支持光影变化模拟，这为视频创作者提供了极大的发挥空间。

Vimi相机正是基于这一大模型推出的首款C端应用，目标用户非常明确——广大女性用户，满足她们的娱乐创作需求。只需上传几张不同角度的高清人物图片，Vimi相机就能自动生成数字分身，并输出多种风格的写真视频，风格选择相当丰富。更讨喜的是，它还能用单张图片生成趣味人物表情包，玩法多样，个性创作的门槛被大幅降低。

目前Vimi相机已开放内测，感兴趣的用户可以直接关注官方渠道获取预约方式。从技术到产品，商汤在这一轮AI视频生成赛道上的布局，值得持续关注。