近日，人工智能領域迎來新突破——由知名學者曹越團隊打造的Sand.ai公司正式推出音畫同步AI視頻生成模型GAGA-1。該模型自上線起即面向全體用戶開放，無需邀請碼或等待審核，用戶可通過官網http://gaga.art直接體驗。
研發團隊透露，GAGA-1的研發周期長達六個月，遠超原定兩個月的目標。其核心技術聚焦于人物表演領域，尤其在臺詞驅動的動態呈現上達到影視級標準。測試顯示，該模型可完美適配短視頻、互動影游場景，部分功能滿足電視劇制作需求，但在電影級細膩表現上仍有提升空間。
目前開放的"Gaga Actor"功能采用固定16:9畫幅，支持5秒與10秒兩種視頻時長。用戶需通過"圖片+文字描述"的組合方式生成內容，平均3-4分鐘即可完成渲染。語言支持方面，中英文臺詞生成效果優異，能精準捕捉失望、憤怒等復雜情緒，甚至實現雙人互動場景的同步演繹。
實測發現，GAGA-1具備多項創新功能：可識別外籍人物特征并生成帶口音的普通話對話，支持基礎歌唱功能，還能處理特定文化背景下的形象生成。但技術團隊坦承，模型在復雜動作捕捉時易出現肢體扭曲，長文本描述可能導致信息丟失，日語處理存在異常，且暫不支持自定義音頻導入和固定音色功能。特別值得注意的是，其內置的Banana繪圖模塊在亞洲人像渲染方面表現欠佳，建議與Seedream 4.0配合使用。
關于產品路線圖，開發方表示自定義音頻和音色鎖定功能已進入最終測試階段，因工程排期問題未納入本次發布。定價策略方面，雖然免費使用期限尚未確定，但明確表示最終收費標準將顯著低于同類產品Sora2和Veo3。當前版本已能滿足短視頻創作、游戲NPC對話生成、小說角色動態化等場景需求，為低成本內容生產開辟新路徑。
更多人工智能領域動態，可訪問資訊平臺http://www.aipress.com.cn獲取。
