近日，人工智能领域迎来新突破——由知名学者曹越团队打造的Sand.ai公司正式推出音画同步AI视频生成模型GAGA-1。该模型自上线起即面向全体用户开放，无需邀请码或等待审核，用户可通过官网http://gaga.art直接体验。
研发团队透露，GAGA-1的研发周期长达六个月，远超原定两个月的目标。其核心技术聚焦于人物表演领域，尤其在台词驱动的动态呈现上达到影视级标准。测试显示，该模型可完美适配短视频、互动影游场景，部分功能满足电视剧制作需求，但在电影级细腻表现上仍有提升空间。
目前开放的"Gaga Actor"功能采用固定16:9画幅，支持5秒与10秒两种视频时长。用户需通过"图片+文字描述"的组合方式生成内容，平均3-4分钟即可完成渲染。语言支持方面，中英文台词生成效果优异，能精准捕捉失望、愤怒等复杂情绪，甚至实现双人互动场景的同步演绎。
实测发现，GAGA-1具备多项创新功能：可识别外籍人物特征并生成带口音的普通话对话，支持基础歌唱功能，还能处理特定文化背景下的形象生成。但技术团队坦承，模型在复杂动作捕捉时易出现肢体扭曲，长文本描述可能导致信息丢失，日语处理存在异常，且暂不支持自定义音频导入和固定音色功能。特别值得注意的是，其内置的Banana绘图模块在亚洲人像渲染方面表现欠佳，建议与Seedream 4.0配合使用。
关于产品路线图，开发方表示自定义音频和音色锁定功能已进入最终测试阶段，因工程排期问题未纳入本次发布。定价策略方面，虽然免费使用期限尚未确定，但明确表示最终收费标准将显著低于同类产品Sora2和Veo3。当前版本已能满足短视频创作、游戏NPC对话生成、小说角色动态化等场景需求，为低成本内容生产开辟新路径。
更多人工智能领域动态，可访问资讯平台http://www.aipress.com.cn获取。