DaVinci MagiHuman

DaVinci MagiHuman 是由 Sand.ai 与上海交通大学 GAIR Lab 联合开发的先进开源 AI 模型，拥有 150 亿参数。只需一张人像图片和一段文案或音频文件，它就能生成高质量的口型同步说话视频，让你无需摄影棚、真人出镜或复杂的剪辑流程，就能让一张脸 “开口说话”。

不同于将独立的文本转语音与视频生成流程拼接在一起的传统方法，DaVinci MagiHuman 采用统一单流 Transformer，同时联合去噪视频与音频 token。这使得口型与语音自然同步，避免了组合多个独立工具时常出现的对不上的问题。

模型以 Apache 2.0 许可证发布，你可以自由查看模型权重、在自己的硬件上本地运行推理，并将该技术用于商业用途。无论你是在制作头像原型还是发布正式产品，数据和成本都由你掌控。

速度同样是一大亮点。DaVinci MagiHuman 针对快速生成进行了优化，在 NVIDIA H100 等专业级硬件上，只需几秒钟即可生成短视频片段，让快速迭代和大规模内容创作变得更加切实可行。