daVinci-MagiHuman：单卡2秒生成数字人

daVinci-MagiHuman 是由 SII-GAIR 与 Sand.ai 联合推出的一款开源音视频生成基础模型，专门针对以人物为中心的内容创作。该模型采用创新的单流 Transformer 架构，通过统一的序列协同处理文本、图像、视频和音频，显著降低了多模态融合的复杂度。它具备出色的多语言支持能力，能够生成口型同步、表情自然且动作协调的高质量视频。为了提升效率，研究团队引入了潜在空间超分辨率和模型蒸馏技术，使其在 H100 GPU 上仅需数秒即可完成生成。多项评测显示，该模型在视觉质量和语音清晰度方面均优于现有的同类开源基准。目前，该项目的完整模型栈和代码已向社区开放，旨在推动生成式人工智能的进一步发展。