DaVinci MagiHuman

daVinci-MagiHuman 是一款由上海交通大学 Sand.ai 和 GAIR 实验室开发的先进开源 15B 参数 AI 模型。它旨在通过单张人像照片和脚本或音频文件生成高质量、口型同步的数字人视频。与结合独立文本转语音（TTS）和视频流水线的传统方法不同，daVinci-MagiHuman 采用统一的单流 Transformer 架构，同时对视频和音频 Token 进行协同去噪。该模型基于 Apache 2.0 协议发布，允许用户检查权重、在本地运行推理，并将该技术用于商业用途。它针对速度进行了优化，在 NVIDIA H100 等专业级硬件上仅需几秒钟即可生成短视频剪辑。