标题： 字节跳动发布AI模型「OmniHuman-1」：让黄仁勳变Rapper、泰勒丝唱日文歌…网赞超逼 真 来源： Blocktempo 网址： https://tinyurl.com/mtuddvts 内文： 在中国 AI 新创公司 DeepSeek 上月向全球 AI 界投下震撼弹之後，TikTok 母公司字节 跳动近期也吸引了全球 AI 界的关注。据《Forbes》报导，字节跳动在 2 月 5 日公布了 其最新 AI 模型 OmniHuman-1，该模型允许用户仅透过一张静态图片加上搭配的音频，就 能生成一个栩栩如生的影片，包括人物说话时的口型、手势等细节，都能得到细致的刻画 。 目前社群上已经有释出部分 OmniHuman-1 使用成果，例如：黄仁勳唱 Rap、爱因斯坦演 讲、泰勒丝唱青鸟…效果相当逼真。纽约大学教授 Samantha G. Wolfe 就表示： 从技术角度来看，仅仅根据一张图片，就能创造出来看起来真的会说话、会动的人物形象 ，这非常令人着迷。 OmniHuman-1 特性有哪些？ 据官方说明，OmniHuman-1 的关键特性包括： 多模态输入：OmniHuman-1 模型支援文本、语音和影片等多种输入形式，由此生成的数位 人物可以在不同的场景中展示出丰富的情感与动作； 高质量输出：OmniHuman-1 由於具备先进的深度学习技术，能够生成包含真人、动漫人物 、3D 人物等高质量数位形象，可用於直播、娱乐、教育等众多场景； 实时生成：OmniHuman-1 具备实时生成的能力，在互动中，用户能够即时获得数位人物的 反馈； 表现力强：在多种驱动模式下，由 OmniHuman-1 生成的数位人物能够完成具有挑战性的 动作，进一步提升了影片的真实感和表现力。 OmniHuman-1 引人担忧 不过虽然 OmniHuman-1 的强大功能让人赞叹 AI 可能为人类生活带来的改变，当前社群 对这一模型也产生了一些担忧，具体来看包括： 身份冒用：该模型看起来能够精确复制特定个人的容貌和动作，可能会被用於恶意模仿和 身份诈欺； 资讯操纵：当前 AI 最令人担忧的负面影响之一，就是可能会催生网路虚假资讯的泛滥， 这可能严重影响公共舆论和社会认知； 隐私侵犯：该模型的推出，也可能导致恶意分子在未经许可的情况下，擅自重建和操纵个 人形象，例如利用某明星的图片制作色情影片等，可能引发伦理问题。 不过要说明的是，当前虽然字节跳动已经推出 OmniHuman-1 模型，但目前该模型尚未正 式投入商业使用，官方也尚未清楚说明具体释出时间。 另一方面，字节跳动掌管着抖音这一中国当前最热的社交媒体平台，但 OmniHuman-1 的 推出似乎在中国社群内部的讨论度还不高，颇令人玩味。 OmniHuman：通过一张图片配合音频或视频，生成非常自然的会说话、唱歌的人类动作视 频 支持各种不同类型输入（如单一的人物图片和音频、视频等信号）生成非常逼真真人视频 动画，涵盖从面部表情到全身动作，无论是说话、唱歌、跳舞等。 OmniHuman 在生成动画时能够保持极高的真实感，能够精确捕捉到人类的面部表情、身体 动作、手势变化、物体交互等细节，超越了现有的方法。 支持手势、肢体语言、舞蹈动作等自然动画。 支持脸部特写（Close-up）、半身（Half-body）、全身（Full-body） 动画。 可适应不同画面比例（如 16:9、9:16、1:1）。 能够处理各种人体姿势和全身动作，尤其是在面对复杂的运动和物体交互时，表现出更高 的准确度。 https://www.xiaohu.ai/c/xiaohu-ai/omnihuman --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 42.72.195.108 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1738907610.A.3B8.html