daVinci-MagiHuman是一個由中國上海創智學院和Sand.ai聯合研發的開源音視頻AI模型，於2026年3月23日正式開源發布。該模型採用150億參數的單流Transformer架構，實現文本、視頻、音頻的統一聯合建模。其主要功能為生成以人物為中心、包含面部表情與語音的音視頻內容，並實現音視頻同步。模型支持中文（國語與粵語）、英文、日文、韓文、德文、法文等多種語言的音視頻生成。在單張H100 GPU上，可在2秒內生成5秒256p視頻，或在約38秒內生成5秒1080p視頻。在與LTX-2.3、Ovi 1.1等模型的成對人工評測中，表現優於部分對比模型。
開源後，技術社區通過數據比對發現，“HappyHorse-1.0”模型與其高度吻合，被認為是基於daVinci-MagiHuman的最佳化疊代版本。
研發背景,發展歷程,重要事件,
研發背景
daVinci-MagiHuman是由上海創智學院(SII)生成式人工智慧研究實驗室(GAIR)與AI初創公司Sand.ai聯合研發的開源音視頻生成模型，於2026年3月正式推出。
該模型的研發方之一上海創智學院(SII)生成式人工智慧研究實驗室(GAIR)近期已產出包括daVinci-MagiHuman在內的一系列代表性工作。核心研發人員包括創智學院的劉鵬飛。
聯合研發方Sand.ai是一家2023年在北京成立的AI初創公司。Sand.ai已完成近6000萬美元融資，其核心團隊包括創始人曹越與聯合創始人張拯，二人均出自微軟亞洲研究院。該公司此前曾發布自回歸視頻生成模型Magi-1。
研發daVinci-MagiHuman旨在推出一個“演繹級人像音視頻的開源基座模型”。核心目標是解決音視頻生成中的模態對齊與同步問題，實現文本、視頻、音頻在統一模型下的聯合生成。
發展歷程
2026年3月，上海創智學院(SII)生成式人工智慧研究實驗室(GAIR)與Sand.ai聯合開展的研究以論文編號arXiv:2603.21986v1發布，標誌著音視頻生成領域的重要突破，並推出了名為daVinci-MagiHuman的音視頻生成基礎模型。
2026年3月23日，daVinci-MagiHuman正式在GitHub上開源發布，代碼倉庫、模型權重和線上Demo同步公開。作為演繹級人像音視頻的開源基座模型，其以150億參數的單流Transformer為核心，實現了文本、視頻、音頻在統一骨幹網路下的聯合建模。
在模型發布後的人工與客觀評測中，daVinci-MagiHuman表現優異。例如，在與Ovi 1.1的對比中取得了80.0%的勝率，在與LTX 2.3的對比中勝率為60.9%。在視覺質量、文本對齊度等客觀指標上也展現出領先水平。
2026年4月初，一個名為“HappyHorse-1.0”的模型在多個評測中表現突出。經技術社區比對，其公開基準數據、官網架構描述等與daVinci-MagiHuman高度吻合。目前技術圈認可度較高的結論是，HappyHorse-1.0是聯合開發方之一的Sand.ai基於daVinci-MagiHuman最佳化的疊代版本，核心目的是驗證模型在用戶真實偏好下的表現上限，為後續商業化落地做鋪墊。
重要事件
2026年3月23日，由上海創智學院(SII)生成式人工智慧研究實驗室(GAIR)與Sand.ai聯合研發的daVinci-MagiHuman正式開源發布。daVinci-MagiHuman是演繹級人像音視頻的開源基座模型，採用了單流Transformer架構統一處理文本、視頻與音頻，標誌著音視頻生成領域的重要突破。
