详细内容或原文请订阅后点击阅览
OmniHuman-1：字节跳动的 AI 可将单张照片变成会动会说话的人
想象一下，只需拍摄一个人的照片，几秒钟内就能看到他们说话、做手势甚至表演——无需录制任何真实视频。这就是字节跳动 OmniHuman-1 的强大之处。最近走红的人工智能模型通过生成高度逼真的视频，为静态图像注入了生命，包括同步的嘴唇动作、全身手势和富有表现力的面部表情[…]OmniHuman-1：字节跳动的人工智能将一张照片变成一个会动会说话的人，首次出现在 Unite.AI 上。
来源:Unite.AI想象一下，只需拍摄一个人的照片，几秒钟内就能看到他们说话、做手势甚至表演，而无需录制任何真实视频。这就是字节跳动 OmniHuman-1 的强大之处。最近走红的 AI 模型通过生成高度逼真的视频，为静态图像注入了生命，包括同步的嘴唇动作、全身手势和富有表现力的面部动画，所有这些都由音频片段驱动。
字节跳动的 OmniHuman-1与主要专注于在视频中换脸的传统深度伪造技术不同，OmniHuman-1 可以将整个人物从头到脚变成动画。无论是政治家发表演讲、栩栩如生的历史人物，还是 AI 生成的虚拟人物演唱歌曲，这种模型都让我们所有人都对视频创作进行了深入思考。这项创新带来了一系列影响——既令人兴奋又令人担忧。
深度伪造技术是什么让 OmniHuman-1 脱颖而出？
OmniHuman-1 确实是真实性和功能性的一大飞跃，这正是它走红的原因。
以下仅列举几个原因：
- 不仅仅是说话的头像：大多数深度伪造和 AI 生成的视频仅限于面部动画，通常会产生僵硬或不自然的动作。 OmniHuman-1 可以对整个身体进行动画处理，捕捉自然的手势、姿势，甚至与物体的互动。令人难以置信的口型同步和细微的情感：它不仅仅是让嘴巴随机移动； AI 确保嘴唇动作、面部表情和肢体语言与输入音频相匹配，使结果栩栩如生。适应不同的图像风格：无论是高分辨率肖像、低质量快照，甚至是风格化的插图，OmniHuman-1 都能智能地适应，无论输入质量如何，都能创造出流畅、可信的动作。