DomoAI

关注
DomoAI

DomoAI 是由新加坡公司 DOMOAI PTE. LTD. 运营的一款生成式 AI 视频与图像创作平台,主要功能是把真人视频、静态图片和文字提示词转换成动漫、3D 卡通、像素、水墨等多种艺术风格的作品[1]。它最初以 Discord 机器人形式提供服务,用户通过 /video、/animate、/gen 等指令完成创作,2024 年 5 月上线网页版[2]。平台以「视频转绘」即视频到视频的风格迁移为特色,也提供文生图、图生视频、角色动作迁移、口型同步和数字化身等功能[3]。

百科 图文
目录
  1. 定义
  2. 原理
  3. 发展历程
  4. 应用
  5. 局限
  6. 参见

定义

DomoAI 是一个基于生成式人工智能的视频与图像创作平台,由总部位于新加坡的 DOMOAI PTE. LTD. 运营,早期由映刻科技推向中文使用者[1]。它的核心能力是把用户上传的视频、图片或输入的文字,转换成动漫、写实或艺术风格的视觉作品,官方称可提供 40 种以上的风格,其中动漫类风格超过 20 种[1]。

DomoAI 最初依托 Discord 平台以免费用机器人的形式提供服务,用户通过在频道中输入指令来调用各项功能,2024 年 5 月中旬上线独立网页版,形成网页与社区并行的两种使用入口[2][3]。按照官方说明,平台采用积分制计费,注册用户获得一定量的免费额度,额度用尽后需购买订阅方案[4]。

原理

DomoAI 的各项功能建立在视频到视频、图像到图像与文本到图像的生成模型之上。以视频转绘为例,系统以原始视频的动作、节奏和构图为基准,逐帧重新诠释线条、阴影、色彩、材质、服装与背景,因此它并非覆盖颜色的滤镜,脸部、道具与细节都可能发生变化[5]。使用 /video 指令时,用户先上传素材并描述画面内容,再由机器人返回风格选项、时长以及「更贴近原片还是更贴近提示词」的偏好设置,最后开始生成[3]。

在实现角色动作迁移时,平台会识别静态图像中人物的特征,再与参考视频的动捕数据相匹配,使图片中的人物做出与参考视频相同的动作。文本生成图像部分依托扩散模型生态中的开源模型,并配套了面向创作者训练的 Anime 与 Fusion 模型系列[1]。口型同步与数字化身功能则结合语音合成技术,把输入的文本转换成语音并与画面中的唇部动作对齐[6]。


flowchart LR

A[上传视频或图片] --> B[输入文字提示词]

B --> C[选择风格模型或 Fusion 参考]

C --> D[逐帧重新生成画面]

D --> E[保留原有动作与构图]

E --> F[输出视频,可选提升至 4K]

发展历程

DomoAI 于 2023 年推出,最初是一个免费的图像生成工具,用户可以把现实图片转成动漫风格,也可以把动漫图像转成真人风格[7]。2023 年 12 月,平台上线视频转视频功能,可以完成场景过渡并提升画面清晰度,社区用户在功能发布后 4 天内从 1 万人增长到 2 万人[7]。

2024 年 2 月,DomoAI 推出 2.0 模型,官方称转换速度比此前提升约 50%,像素风、剪纸风、日式动漫、精致动漫、扁平彩色、中式水墨与 3D 卡通等风格模型同步升级[8]。2024 年 4 月,平台上线 Fusion Style 融合风格与「/move」角色动态功能,前者允许用户用提示词自定义视频的风格、角色形象与环境,后者支持把静态人像与动作视频结合。

2024 年 6 月,DomoAI 密集更新:6 月 7 日新增文艺复兴、素描动漫与故事书三种模型风格,6 月 14 日推出「Subject Only」功能,6 月 22 日上线融合风格的自定义能力[2]。2024 年 8 月,平台升级「/move」功能,增加绿幕背景替换与唇形同步。

此后平台继续扩充功能,陆续支持骨骼动画迁移、图像高清化与 AI 对口型,并在 2026 年 6 月把字节跳动的 Seedance 2.0 引入图生视频工具,实现画面与音频同步生成[9]。关于用户规模,官方在 2026 年前后称全球创作者已超过 500 万名,而此前多家媒体报道的数字为 300 万名[1][6]。

应用

DomoAI 的主要用途是视频风格化。创作者上传一段真人视频后,可以将其转换成日式动漫、像素艺术、低多边形游戏画面或 3D 卡通等风格,用于社交媒体短视频、动画短片与广告物料[10]。由于转换过程保留了原片的动作与表演,使用者无需重新拍摄即可获得不同视觉版本的素材[5]。

在内容制作流程中,平台也被用于文生图、动漫图像真人化与角色动态生成。文生图适合制作头像与插画,动漫图像真人化用于反向转换,角色动态则常用于制作舞蹈类或搞笑类短视频[8][2]。数字化身功能可以为图片或视频中的人物配上合成的语音并同步口型,支持多角色对话与情感语气设定,用于故事化内容的制作[6]。

DomoAI 的输出规格支持视频导出至 4K、图片导出至 6K,并内置画质提升、背景替换和仅处理主体等编辑工具[1]。官方称用户对自己生成的内容拥有版权,可用于商业用途[4]。

局限

视频转绘对素材质量有较高要求。官方博客指出,快速摇镜、强烈的运动模糊、手脚离开画面或被他人遮挡都会减少模型可用的信息,因此建议选用主体单一、镜头稳定、光线充足且时长短的片段[5]。平台博客给出的视频转绘素材上限为 10 秒,超过该长度的内容需要在动作完成、镜头切换或停顿处先行切分[5]。

转换结果存在不稳定现象。官方博客承认,人物转身时脸部可能发生变化,手部在遮挡或可见度不足时难以被准确识别,服装颜色也可能出现漂移[5]。其内置的 V6.0 风格模型针对半身与近景人像做了优化,并不适合全身镜头[5]。

「Subject Only」功能虽然只对主体套用风格,但官方说明它不会逐像素冻结背景,头发、阴影与附近物体的交叠仍可能变化[5]。使用融合风格自定义时,生成结果在稳定性与精细度上不及预设风格模型,但可获得更自由多样的效果[8]。此外,早期媒体报道提到新注册用户可用的免费积分额度有限,早期版本的免费额度为 100 积分,后期降至 15 积分,一次 3 秒视频转绘就会用尽[2]。

参见

  • 生成式人工智能 —— DomoAI 所依托的底层技术方向。

  • 视频风格迁移 —— DomoAI 最具代表性的视频转视频能力。

  • 扩散模型 —— 平台文生图与图像编辑功能常用的模型类型。

  • Stable Diffusion —— DomoAI 文生图部分所依托的开源模型生态。

  • Discord —— DomoAI 早期提供服务的主要平台。

  • 数字人 —— 与平台数字化身、口型同步功能相关的概念。

词条评价
词条统计

浏览次数:3 次

阅读量:0 次 · 阅读完成量:0 次

最近更新:2026-10-13T17:54:20Z

历史版本

本条目引用的词条
Discord 生成式人工智能 视频风格迁移 扩散模型 Stable Diffusion 数字人