聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

（文/張睿佳/張廣凱編輯）

數(shù)字人領(lǐng)域迎來AI開源新風(fēng)潮。

3月9日，硅基智能旗下數(shù)字人模型HeyGem.ai正式開源。截至目前，該模型在GitHub平臺已收獲超過1.3萬顆星。

作為AI行業(yè)少數(shù)具備PMF（產(chǎn)品市場匹配）能力的領(lǐng)域之一，數(shù)字人技術(shù)已經(jīng)為企業(yè)創(chuàng)造了巨額價值。例如專注于海外市場的中國數(shù)字人企業(yè)HeyGen，在去年年中實現(xiàn)了年度 recurring收入（ARR）3.5億美元。

相比之下，市場上大多數(shù)數(shù)字人產(chǎn)品售價不菲，而開源產(chǎn)品的效果往往難以達(dá)到預(yù)期。

不過，HeyGem作為一個高度輕量化、免費的開源產(chǎn)品，在演示視頻中展現(xiàn)出的性能非常出色。其官方簡介明確表示，該產(chǎn)品可視為HeyGen的替身。

此次開源的HeyGem.ai模型通過"1秒視頻或1張照片"的輸入，能夠生成30秒克隆形象與聲音、60秒生成4K超清視頻，并在復(fù)雜場景下保持100%的口型匹配及多表情動作輸出，性能達(dá)到全球頂尖水平。

技術(shù)上，該模型的推理速度高達(dá)1:0.5，輸出32幀/秒的超高清4K視頻，這已經(jīng)超越了電影級標(biāo)準(zhǔn)。

同時，該模型支持Docker一鍵部署，最低只需要配備一塊NVIDIA 1080Ti顯卡即可在本地運行。用戶無需額外算力投入，即可完成數(shù)字人克隆和視頻合成。

值得特別一提的是，在GitHub開源硅基數(shù)字人克隆模型的同時，硅基智能還提供了專門針對該模型的同名軟件安裝包。這意味著即使是完全沒有編程經(jīng)驗的用戶，也能通過本地安裝包一鍵上手，無需任何技術(shù)門檻。

由于其高性價比和易用性，HeyGem.ai被認(rèn)為是首個開源免費的商用級克隆數(shù)字人模型。對于電商行業(yè)來說，這無疑是一把新的營銷利器。

HeyGem.ai開源和易用性的原因是什么？

硅基智能在底層技術(shù)路線上有獨特之處。

硅基智能成立于2017年8月，總部位于中國南京。在生成式AI技術(shù)風(fēng)靡之前，他們就布局了數(shù)字人技術(shù)。他們的底層模型專為數(shù)字人設(shè)計，而非Sora這類通用視頻生成模型，因此在成本上具有天然優(yōu)勢。

硅基智能表示，開源意味著技術(shù)自信，未來他們還將不斷推出更好的產(chǎn)品。

硅基智能創(chuàng)始人司馬華鵬表示，硅基智能定下使命：用硅基技術(shù)創(chuàng)造1億個智能生命體。這次開源是為了加速這個使命的實現(xiàn)。

實際上，HeyGem.ai并非憑空而來。早在2024年5月，硅基智能就已開源全球首個2D真人級別、支持AIGC實時渲染的數(shù)字人模型代碼——duix.ai。該代碼在GitHub上線后已獲得超過4.5萬顆星。同年8月，硅基智能推出了高保真、實時Face swap算法ReHiFace-S，只需一張照片，無需數(shù)據(jù)訓(xùn)練，即可一鍵將視頻中的臉部替換為你選擇的人物形象。

在實際應(yīng)用中，硅基數(shù)字人克隆可通過語音或文字輸入驅(qū)動，支持英、日、韓、中、法、德、阿拉伯和西班牙語8種語言輸出。這為跨國企業(yè)、在線教育、影視制作、直播營銷等多領(lǐng)域提供了高效低成本的解決方案。

然而，面對字節(jié)跳動等大公司推出的即夢、剪映等產(chǎn)品，垂直企業(yè)如硅基智能通過開源方式迅速搶占市場并搭建開發(fā)者生態(tài)，或許也是商業(yè)策略的選擇之一。

本文為觀察者網(wǎng)獨家稿件，未經(jīng)授權(quán)，不得轉(zhuǎn)載。