商湯推可控人物視頻大模型 Vimi僅需一張相 生成片長達1分鐘

商湯旗下可控人物視頻生成大模型Vimi所生成的短片，畫面效果不會隨着時間變化而降低品質或失真。（網上圖片）

世界人工智能大會（WAIC 2024）昨天開幕，商湯（0020.HK）在會上推出可控人物視頻生成大模型Vimi，只需要一張任意風格的照片，便能生成和目標動作一致的人物類短片，且時長可長達1分鐘，畫面效果不會隨着時間變化而降低品質或失真。Vimi已經在商湯的官網開放預約。

Vimi是基於商湯「日日新大模型」的能力，一張照片即可生成人物視頻，並支持多種驅動方式，可通過已有人物影片、動畫、聲音、文字等多種元素進行驅動。

支援聊天唱跳等互動場景

商湯表示，讓照片中的人物動起來已非新鮮事，但目前市面上的產品實際應用仍存在挑戰，例如人物動作或表情動作無法精準控制、效果不穩定、時長限制在3至4秒等。

公司稱，與圖片表情控制類技術只能控制面部表情動作不同，Vimi不但可以精準控制人物表情，還可控制照片中人物上半身的自然肢體動作，並自動生成與人物相符的頭髮、服飾及背景變化。

Vimi將向廣大用戶開放使用，上傳不同角度的高清人物照片後，可自動生成數碼分身和不同風格的寫真短片。針對喜愛自拍的用戶，Vimi支援聊天、唱歌、舞動等多種娛樂互動場景。

今年世界人工智能大會一連三天在上海舉行，圍繞核心技術、智慧終端、應用賦能三大領域，聚焦大語言模型（LLM）、算力、機械人、自動駕駛等。據內地媒體報道，本屆大會將現場展示百款LLM，首度發表超過50款LLM新品。今年大會的展覽規模、參展企業數、首發新品數均創新高。

李強籲推動網絡算力普惠化

國務院總理李強在大會開幕式致詞時表示，中國始終積極擁抱智能變革，大力推進人工智能創新發展，高度重視人工智能安全治理。他亦建議，推動網絡、算力、數據等普惠化，為廣大中小企業和普通民眾提供低門檻、低價格的人工智能服務。

百度（09888）創始人李彥宏在大會發表演講提到，過去兩年人工智能急速發展，但如果沒有應用，基礎模型將「一文不值」。基礎模型應用在各行各業、不同領域已經開始逐步滲透，然而要避免掉入「超級應用陷阱」，認為一定要出現DAU（日活躍用戶）達10億的應用才算成功，這是流動時代的思維，AI時代「超級能幹」的應用，比只看DAU的「超級應用」更重要。