⭐ 设为星标 · 第一时间收到推送
不是 AI 捏脸，而是把人头写成方程
GNM 的全名是 Generative aNthropometric Model，读音故意做成了 “genome”。名字有点拗口，东西倒不玄：它属于经典的 3D Morphable Model（3D 可变形模型） 路线。
可以把它想成一颗标准人头，加上两套“变形字典”。一套负责这个人天生长什么样，另一套负责他此刻在笑、眨眼还是张嘴；再叠加颈部、头部与眼球的骨骼旋转，最后用线性混合蒙皮算出完整网格。
这里的关键不是“能生成人脸”，而是 每一次变化都有明确坐标。同一组参数永远得到同一个网格，改一个系数只影响对应区域，结果可以保存、插值、回放，也能被跟踪算法实时驱动。
这和扩散模型、NeRF 或 Gaussian Splatting 的长处不一样。后几类方法更擅长从图片或文字里合成丰富外观，GNM 更像一套可编程几何底座：外观不一定最惊艳，但控制权在你手里。
它也不是完整的“数字人生成器”。当前开源的核心首先是头部几何，皮肤材质、头发、服装、灯光、声音和成片渲染，都要交给别的系统。
636 个系数，连牙齿、舌头和眼球都算进去
GNM v3.0 的模型文件里有 17,821 个顶点、35,324 个三角面和 4 个关节。真正让它好用的，是身份与表情并没有揉成一团。
| 控制层 | 维度 | 具体组成 |
|---|---|---|
| 身份 Identity | 253 | 头部 170、眼球 3、牙齿 80 |
| 表情 Expression | 383 | 左眼 100、右眼 100、下半脸 150、舌头 32、瞳孔 1 |
| 骨骼 Pose | 4 个关节 | 颈部、头部、左右眼球 |
| 全局控制 | 3 | X / Y / Z 位移 |
把脸分区，不只是为了让界面上多几排滑杆。Google 的形式化定义专门解释了原因：嘴部运动不该顺手带出眨眼，左眼和右眼也应该能独立控制。GNM 因此把左眼、右眼、下半脸、舌头和瞳孔分别建模，再在区域交界处做平滑混合。
内部结构也不是一颗空壳。牙齿身份空间来自 5000 组程序化牙列；舌头结合真实扫描与艺术家绑定数据；眼球则用双球面近似角膜和巩膜，还单独留出瞳孔缩放参数。对普通捏脸工具来说，这些细节有点“过度认真”，但对凝视估计、口型动画和合成训练数据来说，它们恰好是最容易穿帮的地方。
顺手说一个文档小坑：官方 README 和实际 gnm_head.npz 都是 383 个表情维度，但仓库里的形式化定义 PDF 表格把舌头写成 31 维，合计成了 382。实际模型里舌头是 32 维，本文以可运行的 v3.0 模型文件为准。
摄像头一开，这颗“统计学人头”就活了
GNM 发布后最有说服力的内容，不是参数表，而是开发者 Chris Offner 做的实时演示。他把 MediaPipe 的面部关键点接到 GNM 上，真人眨眼、撇嘴、张嘴，右侧网格跟着变化；同一套驱动换一组身份参数，马上又能变成另一张更年长的脸。
这件事说明了 GNM 的一个实际优势：身份和表情可以分开处理。 跟踪器负责估计“此刻做了什么表情”，身份参数负责“这是谁的脸”，两者不必重新训练成一团。
社区的反应也很一致。有人做了 Three.js 浏览器版，有人把它接进 Blender；还有开发者用 Rust 重写核心变形流程，做成带摄像头跟踪、52 个 blendshape、动画与 GLB 导出的桌面工具。讨论重点几乎都落在“怎么接进现有 3D 工作流”，而不是围观一段生成视频。
原因很现实：GNM 的核心就是几次矩阵运算，支持 NumPy、JAX、PyTorch、TensorFlow，采用 Apache 2.0 许可证。它不要求云端大模型，也不依赖一块昂贵 GPU，工程师很容易把它塞进自己的工具链。
Hugging Face 把研究代码变成了能直接摸的脸
用户现在就能在 Hugging Face Space 里试 GNM。这个 Space 由 Hugging Face 开源团队基于 Google 仓库搭建，并不是 Google 官方产品；它把上游 Notebook 里的滑杆 Demo 做成了 Gradio + Three.js 的交互页面。
页面没有把 636 个身份与表情系数全部摊开，而是选了 10 个身份、16 个表情、9 个姿态和 3 个位移控制，共 38 个滑杆。你还可以直接拖眼睛、嘴角、下巴、舌头和头部；选中 happy、surprise、wink 等语义标签后，背后的 CVAE 采样器会先给出一组表情参数，再让你手动微调。
Space 的实现只用 NumPy，作者给出的单次求值时间约 40 毫秒，免费 CPU 实例就能跑。Three.js 场景也不会每次重建模型，只把新的顶点坐标写进原来的 geometry buffer，所以拖动时相机不重置，网格也不会闪一下。
这层产品化很重要。官方仓库给的是模型、Notebook 和四套后端，Hugging Face 补上了“伸手就能试”的入口。研究代码和普通用户之间，常常就差这样一层薄薄的交互壳。
它是好积木，但还不是完整数字人
GNM 现在最适合四类事情：角色与游戏里的参数化头模、摄像头驱动的实时 Avatar、面部与凝视算法所需的合成数据，以及把扫描或图像拟合到统一拓扑的研究工具。
但边界也很清楚。
- 它只开源了 Head。 Google 的路线图里还有更完整的人体模型与感知栈，但目前仓库里能用的就是头部。
- 它解决几何，不包办外观。 想做写实数字人，还得补纹理、材质、毛发、灯光和渲染。
- 它不是开箱即用的面捕产品。 MediaPipe 接入、参数拟合、平滑、标定和导出，仍然要开发者自己完成或借助社区工具。
- 数据代表性有限。 官方明确说，训练数据沿用了二元性别分类和四个宽泛人口群组，不能覆盖真实世界里完整的性别与人群多样性。拿它做人脸识别、医疗或公平性敏感应用时，不能把“参数很多”误当成“代表性充分”。
- 文档还在补。 仓库的正式引用目前仍写着 “coming soon”，模型说明与形式化定义之间也存在一处维度差异。
GNM 最值得关注的地方，不是它单独做出了多逼真的脸，而是它提供了一层稳定的 可控几何接口。上面可以接 MediaPipe 或未来的感知模型，旁边可以接 Blender、Three.js 和游戏引擎，后面再接纹理生成、语音和大模型。
这条路线和生成式 AI 不冲突。扩散模型负责“长得丰富”，GNM 负责“动得可控”；一个给视觉想象力，一个给工程确定性。Chris Offner 那段实时跟踪视频，先把“感知驱动”和“可控几何”之间的桥搭了出来。
GNM Head 现在更像一块质量很高的开源积木，而不是一款完整数字人产品。做 Blender、Avatar、面捕、凝视估计或合成数据的人，值得马上试；普通用户先去 Hugging Face 拖一遍滑杆，就能理解“可生成”和“可控制”到底差在哪。