在刚刚落幕的世界人工智能大会（WAIC）上，商汤科技重磅发布了一款名为Vimi的创新产品——这是业内首个“可控”人物视频生成大模型。简单来说，你只需提供任意风格的一张照片，它就能自动生成一段与目标动作完全同步的人物视频。驱动方式极其灵活：不仅可以用现成的人物视频或动画来驱动，声音、文字等输入方式同样适用，为创作者提供了更多可探索的玩法空间。

这里要特别说明一下，Vimi与市面上常见那种仅控制头部表情的技术截然不同。商汤方面透露，Vimi不仅能精准掌控人物表情，还能在人物半身区域自如操控照片中的自然肢体动作，同时头发、服饰乃至背景都会自动随之产生相应变化——这让画面瞬间鲜活起来，彻底摆脱了“面瘫式”的动态效果。

另一个值得关注的亮点是其卓越的长时间稳定性。Vimi能够稳定输出时长可达1分钟的单镜头人物视频，而且画面质量不会随着时间推移而出现劣化或失真。对于娱乐互动、短视频创作这类需要长时间保持视频一致性的场景而言，这无疑是一大福音。

最令人眼前一亮的是，Vimi将全面向C端用户开放。也就是说，你只需上传几张不同角度的高清人物照片，系统就能自动生成你的数字分身以及一系列风格各异的写真视频。生成的视频不再是呆板的五官运动，而是配合手势、肢体动作、头发晃动等细节，形成更完整、统一的人物动态表现。创作者完全可以拿这些素材进行后续剪辑和二次创作。

商汤表示，更多关于Vimi的细节信息将于明日公布。对这一方向感兴趣的读者，不妨保持持续关注。