繼初音未來這類由真人驅動或預設腳本的虛擬人（Virtual Human）取得空前成功後，近年在 AI 技術高速發展下，由AI 智能驅動，具備語境理解能力，主打智慧型虛擬代理人的數碼人類（Digital Human）亦紛紛湧現。如 DeepBrain AI 便專注開發新聞主播及客服虛擬人。

近日，阿里巴巴便發佈並開源全新語音驅動生影片模型「Wan2.2-S2V」，進一步推動數碼人類技術的創新應用。

該模型可透過單張人像圖片及一段語音音檔，生成具備電影級畫質的虛擬人物動畫，支援說話、唱歌及表演等多種動作，呈現自然流暢的角色動態。

生成式 AI 的商業化應用正不斷擴展，從智能客服、市場推廣到市場分析，生成式 AI 正逐步成為驅動商業模式變革的核心技術之一。過去數月間，各大科技公司爭相推出新的大模型，如 Google 的 Gemini 2.5、OpenAI 的 o3、Meta 的 Llama 3.3、X（前 Twitter）的 Grok 3、Anthropic 的 Claude 3.7、Amazon 的 Nova Premier、Microsoft 的 Phi-4，還有話題王 DeepSeek 的 R1 和 V3 等。

阿里雲亦不甘後人，近日宣佈推出端到端多模態 AI 模型 Qwen2.5-Omni-7B，展現多模態生成能力及高效能應用場景。

Qwen2.5-Omni-7B 專為全模態感知設計，能處理文本、圖像、音檔及影片等多模態輸入，並實時生成自然語言對答，適用於手機、筆記本電腦等終端設備的部署。儘管僅採用輕量級的 7B 參數，Qwen2.5-Omni-7B 的應用前景仍相當廣泛，包括即時語音導航協助視障者辨識周邊環境、分析影片中的食材提供烹飪指導，以及創建理解客戶需求的智能客服對話體驗。