7月4日，商湯發(fā)布首個“可控”人物視頻生成大模型Vimi，該模型主要面向C端用戶，支持聊天、唱歌、舞動等多種娛樂互動場景。商湯方面稱，Vimi可生成長達1分鐘的單鏡頭人物類視頻，畫面效果不會隨著時間的變化而劣化或失真，Vimi基于商湯日日新大模型，通過一張任意風格的照片就能生成和目標動作一致的人物類視頻，可通過已有人物視頻、動畫、聲音、文字等多種元素進行驅(qū)動。
