🎨 Seedream 5.5 — 字節跳動最新影像模型：原生透明背景，最高 2K，最多 10 張參考圖編輯！

daVinci MagiHuman 文/圖生影片生成器 - 支援音訊同步

使用 daVinci MagiHuman 創作影片 - Sand.ai 和 SII GAIR Lab 聯合開發的 150 億參數開源音影片基礎模型。從文本或影像生成同步的影片和音訊，具有業界領先的 7 語種唇語同步精度。支持最高 1080p 解析度，5-10 秒時長。採用單流 Transformer 架構，無需交叉注意力，在單張 H100 上 2 秒即可生成 5 秒 256p 影片。

daVinci MagiHuman 文字轉影片畫廊

體驗 daVinci MagiHuman 文字轉影片的電影級魄力。從詳細的文字描述創作出具備同步音效的精彩影片，配備業界領先、支援7種語言的口型同步技術。

使用 daVinci MagiHuman 創作

雨夜東京

一位身穿紅色外套的女性，在雨夜的霓虹東京小巷中漫步，倒影在濕潤的鵝卵石上閃爍。

“Rainy night in a neon-lit Tokyo alley, a woman in a red coat walks slowly under an umbrella. Reflections shimmer on wet cobblestones. Handheld camera follows her from behind, bokeh street lights, cinematic color grade, moody atmosphere.”

daVinci MagiHuman 圖片轉影片畫廊

使用 daVinci MagiHuman 將靜態圖片轉換為動態影片，體驗無縫的圖片轉影片效果，擁有逼真的臉部表情、自然的身體動作，以及同步的嘴型聲音。

用 daVinci MagiHuman 創作

Podcast主持人說話中

什麼是 daVinci MagiHuman

Sand.ai 的 150 億參數開源音影片基礎模型，具有業界最佳唇語同步

150億參數量
1080p最高解析度
7種支援語言
2秒256p生成速度

daVinci MagiHuman 是一個 150 億參數的單流 Transformer，可從文本或影像聯合生成同步的影片和音訊，以 14.6% 的詞錯誤率在 7 種語言中實現業界領先的唇語同步精度。

daVinci MagiHuman 強大功能

探索使 daVinci MagiHuman 在音影片生成領域脫穎而出的先進功能

01
聯合音影片生成
使用統一的單流 Transformer 架構，僅通過自注意力機制在單次推理中生成同步的影片和音訊，無需獨立的音訊管線。
02
業界領先的唇語同步
唇語同步的詞錯誤率僅為 14.6%，顯著優於 Ovi 1.1（40.45%）和 LTX 2.3（19.23%）等競品的語音準確率基準。
03
7 種語言語音支援
支援生成英語、中文（普通話和粵語）、日語、韓語、德語和法語的語音同步影片，具有自然的發音和唇部動作。
04
超快速生成
在單張 H100 GPU 上僅需 2 秒即可生成 5 秒 256p 影片。8 步 DMD-2 蒸餾無需分類器自由引導即可保持質量。
05
雙輸入模式
從文本提示創建影片或將靜態影像動畫化。文生影片和圖生影片模式均支援可配置的寬高比、解析度和 5-10 秒時長。
06
高達 1080p 超解析度
通過潛空間超解析度管線生成 256p、540p、720p 或 1080p 影片，無需額外的 VAE 編解碼開銷即可高效輸出高解析度。
07
開源 Apache 2.0
完全以 Apache 2.0 許可證開源，包含完整的基礎權重、蒸餾模型、超解析度模型和推理代碼，可無限制商業使用。
08
以人為中心的卓越表現
專注於數字人生成，具有富有表現力的面部表情、逼真的肢體運動和跨幀一致的角色保持，適合專業的說話頭像內容。