商汤科技在7月4日的世界人工智能大会（WAIC）上发布了首个可控人物视频生成大模型Vimi。该模型仅凭一张照片，能生成与目标动作一致的1分钟单镜头人物视频，支持多种驱动方式，包括人物视频、动画、声音和文字。Vimi不仅能精准控制表情，还能自然调整肢体动作，生成与照片人物相协调的背景。面向C端用户开放，用户可轻松制作数字分身和写真视频，且视频质量稳定。商汤科技将于明日揭示更多细节，IT之家将持续关注并报道。