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。

2024世界人工智能大会于7月4日揭晓"镇馆之宝"，商汤科技的C端用户可控视频生成模型Vimi、阿里云的AI编程助手通义灵码、支付宝智能助理、智谱的AI基座大模型及特斯拉的赛博越野旅行车等尖端技术产品入选，展示了最新的人工智能创新成果。这场科技盛事将引领未来AI发展潮流。

7月4日，商汤科技推出首款"可控"人物视频生成大模型Vimi，专为C端用户设计，支持聊天、唱歌、舞动等互动功能。Vimi能生成高质量1分钟单镜头人物视频，保持画质稳定，借助商汤日日新大模型技术，仅需一张照片即可生成与动作同步的视频，支持多种驱动元素如人物视频、动画、声音和文字。这一创新标志着商汤在AI娱乐领域的新突破。（来源：界面新闻，时效性信息）