用户只需在通义千问APP内输入“通义舞王”或“全民舞王”等口令，然后按照提示要求上传自己的照片。系统会在十几分钟内生成一个神形兼备的舞蹈视频，保留原形象的面部表情、身材比例、服装以及背景等特征。
然后，HandRefiner采用条件修补方法来处理识别出的问题手部。它生成一个深度图，其中包含了关于手部形状和位置的重要信息。这个深度图被用作指导，通过ControlNet集成到扩散模型中。最后，HandRefiner将重新画好的手部放回原来的画作中，替换掉原本画错的手，而其他部分保持不动，保持了原画的风格和内容。
与GPT-4V进行比较时，实验发现GPT-4V在所有对象识别任务中表现一致，但在对象级感知方面落后于VCoder。
久而久之，蛋仔的玩家群体就形成了一种「集体潜意识」，让整个游戏的氛围和创作形成了正向循环，所以你才能看到这么多感人的游戏行为和UGC创作。
我们大概就领先几个月，然后这个平台就公开，但是我们会开发更好的。