定位与差异
MIMO 是一种面向角色动画的视频生成方法，主打"用一张角色图加一段动作序列，就能驱动出可控的角色视频"。与传统文生视频或图生视频模型不同，它把"角色外观"和"动作信号"做了显式分离：角色由单张图像提供身份，动作则由可编辑的序列（如关键帧、姿态轨迹或参考动作）输入，从而在保持角色形象稳定的同时，让动作可被精确编辑和复用，更贴近动画与游戏等需要"可控"的创作场景。
核心能力
- 单图角色驱动：仅凭一张参考图即可生成多帧一致的角色视频，无需多张素材或 3D 建模。
- 动作序列控制：通过输入动作序列来指定走、跑、挥手等动作，输出视频会按序列推进。
- 角色与动作解耦：身份和动作相互独立，方便把同一段动作套用到不同角色，或让同一角色做不同动作。
- 可控编辑：支持对动作轨迹进行局部调整，便于反复迭代镜头与表演。
适用与不适用
适用场景：角色动画预演、短视频角色复刻、动效原型、游戏与影视前期分镜、需要快速试不同动作的创意工作流。
不太适合：纯风景或空镜类生成、对写实人物面部细节要求极高的影视成片、以及需要严格版权一致性的大规模商业生产——这些场景往往仍需专业动捕或 3D 流程兜底。
上手提示
建议先准备一张清晰的角色参考图（背景简洁、正面或 3/4 侧脸为佳），再规划好目标动作的关键帧序列；动作幅度过大或参考图分辨率过低时，输出可能出现形变或抖动，需要多次调整。更多参数细节和最佳实践请以官网为准。