🎨 Seedream 5.5 — 字节跳动最新图像模型：原生透明背景，最高 2K，最多 10 张参考图编辑！

daVinci MagiHuman 文/图生视频生成器 - 支援音频同步

使用 daVinci MagiHuman 创作视频 - Sand.ai 和 SII GAIR Lab 联合开发的 150 亿参数开源音视频基础模型。从文本或图像生成同步的视频和音频，具有业界领先的 7 语种唇语同步精度。支持最高 1080p 分辨率，5-10 秒时长。采用单流 Transformer 架构，无需交叉注意力，在单张 H100 上 2 秒即可生成 5 秒 256p 视频。

daVinci MagiHuman 文生视频画廊

体验 daVinci MagiHuman 文生视频的电影级力量。从详细的文本描述创建带同步音频的精彩视频，具有业界领先的 7 语种唇语同步。

用 daVinci MagiHuman 创作

雨夜东京

一位穿红色外套的女性在雨夜的霓虹灯东京小巷中漫步，倒影在湿润的鹅卵石上闪烁。

“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 图生视频画廊

使用 daVinci MagiHuman 将静态图像转换为动态视频。体验无缝的图生视频转换，具有逼真的面部表情、自然的肢体运动和同步的唇语音频。

用 daVinci MagiHuman 创作

播客主持人说话

什么是 daVinci MagiHuman

Sand.ai 的 150 亿参数开源音视频基础模型，具有业界最佳唇语同步

150亿参数量
1080p最高分辨率
7种支持语言
2秒256p生成速度

daVinci MagiHuman 是一个 150 亿参数的单流 Transformer，可从文本或图像联合生成同步的视频和音频，以 14.6% 的词错误率在 7 种语言中实现业界领先的唇语同步精度。

daVinci MagiHuman 强大功能

探索使 daVinci MagiHuman 在音视频生成领域脱颖而出的先进功能

01
联合音视频生成
使用统一的单流 Transformer 架构，仅通过自注意力机制在单次推理中生成同步的视频和音频，无需独立的音频管线。
02
业界领先的唇语同步
唇语同步的词错误率仅为 14.6%，显著优于 Ovi 1.1（40.45%）和 LTX 2.3（19.23%）等竞品的语音准确率基准。
03
7 种语言语音支持
支持生成英语、中文（普通话和粤语）、日语、韩语、德语和法语的语音同步视频，具有自然的发音和唇部动作。
04
超快速生成
在单张 H100 GPU 上仅需 2 秒即可生成 5 秒 256p 视频。8 步 DMD-2 蒸馏无需分类器自由引导即可保持质量。
05
双输入模式
从文本提示创建视频或将静态图像动画化。文生视频和图生视频模式均支持可配置的宽高比、分辨率和 5-10 秒时长。
06
高达 1080p 超分辨率
通过潜空间超分辨率管线生成 256p、540p、720p 或 1080p 视频，无需额外的 VAE 编解码开销即可高效输出高分辨率。
07
开源 Apache 2.0
完全以 Apache 2.0 许可证开源，包含完整的基础权重、蒸馏模型、超分辨率模型和推理代码，可无限制商业使用。
08
以人为中心的卓越表现
专注于数字人生成，具有富有表现力的面部表情、逼真的肢体运动和跨帧一致的角色保持，适合专业的说话头像内容。