自从AI技术渗透进影视创作领域，网友们自编自导“魔改”经典剧集的热情持续高涨。近期，社交平台上涌现出一批由AI生成的视频：有人将《甄嬛传》中安陵容的经典台词改为“臣妾要告发大胖橘私通”，有人让《狂飙》的高启强念出《无间道》里“三年之后又三年”的台词，甚至有视频让汉尼拔抱着头骨抛出“先洗澡还是先被我享用”的荒诞问题。这些视频的口型、表情与台词高度契合，若非资深影迷，几乎难以分辨真假。
随着Sora 2等模型发布，行业对AI视频的要求从“画面逼真”升级为“音画同步”与“叙事完整”。在此背景下，一家名为Gaga AI的团队推出全球首个专注于人物对话的影视级音画模型GAGA-1。该模型不追求通用视频生成，而是聚焦于角色表演的细节刻画。尽管团队名称陌生，但其技术实力不容小觑——此前曾开源全球首个自回归架构视频模型，引发业内关注。
目前，能实现高质量音画同步的AI模型屈指可数，仅有Sora 2、Veo 3等头部产品。GAGA-1的差异化在于，用户只需上传一张人物照片或让AI生成图像，输入台词与效果描述，即可生成10秒、最高720p分辨率的16:9格式视频。官方宣称生成时间不超过5分钟，实际测试中，多数视频在2分钟内完成。例如，将《甄嬛传》温太医的图片与“窝囊只是我的伪装，娘娘我爱过一双”的台词结合，生成的视频中，温太医的表情从挑衅到讥笑，全程口型精准，毫无违和感。
真正的考验在于复杂情绪的演绎。以《喜剧之王》试戏场景为灵感，测试者要求同一角色表现“兴奋到难以置信”的情绪。生成的画面中，角色头部微晃，嘴角与眼角皱纹随台词“我成功了！我真的穿越回国庆前一天了”同步变化，眼神中的惊喜感极为真实。而在“高兴到失望”的情绪切换中，虽过渡稍显迟缓，但角色从嘴角下垂到眼神黯淡的细节，仍传递出强烈的失落感。这些案例表明，GAGA-1已能理解台词内涵，并调整表情与语气进行匹配。
该模型的多角色互动能力同样突出。例如，在恶搞《无间道》天台对峙的场景中，刘建明与陈永仁顶着严肃表情讨论“偷吃炸鸡”，诙谐感十足；在《绿皮书》场景中，未说话的角色被添加了细微的视线移动，增强了对话的真实感。不过，动作识别仍存在局限，如搭肩动作未被模型捕捉。语言支持方面，GAGA-1可处理多语种台词。将《三国演义》诸葛亮的台词译为英文后，生成的视频虽带有莎士比亚戏剧腔，但情绪与口型依然精准；而将《你的名字》日语台词与哈利·波特形象结合，竟呈现出日系忧郁男主的质感。
经过深度测试，以下技巧可提升生成效果：使用胸部以上的半身照效果更佳；短台词建议生成5秒视频以减少画面崩坏；情绪与动作需在提示词中明确描述；写实风格人像的输出稳定性优于其他类型。例如，在要求角色“从狂喜到无奈”的测试中，GAGA-1通过嘴角抽搐、眼神黯淡等细节，展现了层次丰富的表演。
GAGA-1的突破，标志着AI视频从“画面生成”向“角色塑造”的转型。当前，行业对“有血有肉的人物”与“完整故事”的需求日益增长，而AI演员是否会取代人类演员的争议也随之浮现。不过，现阶段AI在潜台词理解、表演节奏、停顿与眼神等细节上仍有不足，这些需通过针对性模型优化解决。或许，未来AI视频的“里程碑时刻”，将由GAGA-1这类专注细分领域的工具共同推动。
目前，GAGA-1已开放全量使用，用户可访问官网体验：https://gaga.art
