作為當(dāng)下AI行業(yè)為數(shù)不多能夠找到PMF（產(chǎn)品市場匹配）的領(lǐng)域，數(shù)字人已經(jīng)讓很多企業(yè)賺到大錢。例如專注海外市場的中國數(shù)字人企業(yè)HeyGen，在去年年中就宣布實(shí)現(xiàn)ARR（年度經(jīng)常性收入）3500萬美元。
因此，市面上好用的數(shù)字人產(chǎn)品基本都是付費(fèi)，開源產(chǎn)品效果相對不佳。

但是HeyGem作為一個(gè)非常輕量化的開源免費(fèi)產(chǎn)品，從演示視頻來看效果非常不錯(cuò)，其官方簡介也將自己稱為HeyGen平替。

此次開源的HeyGem.AI模型，通過“1秒視頻或1張照片”的輸入，可以實(shí)現(xiàn)30秒克隆形象與聲音、60秒生成4K超清視頻，并在復(fù)雜場景下仍能保持100%口型匹配及多表情動(dòng)作輸出，性能達(dá)全球TOP級水平。

技術(shù)層面，該模型的推理速度達(dá)1:0.5，32幀/秒超高清4K輸出，超越電影級標(biāo)準(zhǔn)。

同時(shí)，模型支持Docker一鍵部署，最低Nvidia 1080Ti顯卡即可運(yùn)行。可一鍵安裝于Windows和Linux系統(tǒng)，在本地實(shí)現(xiàn)完整的數(shù)字人克隆和視頻合成，無需額外的算力投入。
值得注意的是，此次硅基智能在GitHub開源硅基數(shù)字人克隆模型的同時(shí)，特別提供了硅基數(shù)字人克隆同名軟件安裝包，使得即便是缺乏編程經(jīng)驗(yàn)的用戶，也能在本地環(huán)境中一鍵安裝并直接使用，實(shí)現(xiàn)了零代碼門檻。
正是由于這種高質(zhì)量、低門檻的表現(xiàn)，HeyGem.ai被視為首個(gè)開源免費(fèi)的商用級別克隆數(shù)字人模型。對于規(guī)模巨大的電商行業(yè)來說，這無疑是一個(gè)新的營銷利器。
那么HeyGem.ai開源且好用的原因何在？
值得注意的是，硅基智能在底層技術(shù)路線上與其它產(chǎn)品有所區(qū)別。
硅基智能成立于2017年8月，總部位于中國南京，早在生成式AI技術(shù)火爆之前就已經(jīng)布局?jǐn)?shù)字人技術(shù)，其底層模型專為數(shù)字人打造，并非sora這類通用視頻生成模型，在成本端擁有天然優(yōu)勢。
而硅基智能方面也向觀察者網(wǎng)透露，既然選擇開源，就代表了技術(shù)上的自信，意味著公司將來還能夠不斷拿出更好的產(chǎn)品。
硅基智能創(chuàng)始人司馬華鵬表示，硅基智能成立之初就確立了為世界造出1億硅基生命的使命，這次開源就是為了加速這個(gè)使命的達(dá)成。
事實(shí)上，HeyGem.ai并非憑空出現(xiàn)，早在2024年5月硅基智能就已率先開源了全球首個(gè)2D真人級別、支持AIGC實(shí)時(shí)渲染的數(shù)字人模型代碼——duix.ai。在GitHub上線以來，已獲得超過4.5k Stars。同年8月，硅基智能推出高保真、實(shí)時(shí)Face swap算法ReHiFace-S，只需一張照片，無需任何數(shù)據(jù)訓(xùn)練，一鍵即可將視頻中的臉部替換為你選擇的人物形象。
在實(shí)際應(yīng)用中，硅基數(shù)字人克隆能夠通過語音或文字輸入驅(qū)動(dòng)，克隆后的數(shù)字人音色支持英、日、韓、中、法、德、阿拉伯和西班牙語這8種語言輸出，為跨國企業(yè)、在線教育、影視制作、直播營銷等多場景提供了高效、低成本的解決方案。

但在技術(shù)之外，面對由字節(jié)跳動(dòng)等大公司推出的即夢、剪映等產(chǎn)品的競爭，對于硅基智能這類垂直企業(yè)，以開源方式盡快搶占市場并搭建開發(fā)者生態(tài)，或許也是商業(yè)層面必須要做出的選擇。