標題： 字節跳動發布AI模型「OmniHuman-1」：讓黃仁勳變Rapper、泰勒絲唱日文歌…網讚超逼 真 來源： Blocktempo 網址： https://tinyurl.com/mtuddvts 內文： 在中國 AI 新創公司 DeepSeek 上月向全球 AI 界投下震撼彈之後，TikTok 母公司字節 跳動近期也吸引了全球 AI 界的關注。據《Forbes》報導，字節跳動在 2 月 5 日公佈了 其最新 AI 模型 OmniHuman-1，該模型允許用戶僅透過一張靜態圖片加上搭配的音頻，就 能生成一個栩栩如生的影片，包括人物說話時的口型、手勢等細節，都能得到細緻的刻畫 。 目前社群上已經有釋出部分 OmniHuman-1 使用成果，例如：黃仁勳唱 Rap、愛因斯坦演 講、泰勒絲唱青鳥…效果相當逼真。紐約大學教授 Samantha G. Wolfe 就表示： 從技術角度來看，僅僅根據一張圖片，就能創造出來看起來真的會說話、會動的人物形象 ，這非常令人著迷。 OmniHuman-1 特性有哪些？ 據官方說明，OmniHuman-1 的關鍵特性包括： 多模態輸入：OmniHuman-1 模型支援文本、語音和影片等多種輸入形式，由此生成的數位 人物可以在不同的場景中展示出豐富的情感與動作； 高質量輸出：OmniHuman-1 由於具備先進的深度學習技術，能夠生成包含真人、動漫人物 、3D 人物等高質量數位形象，可用於直播、娛樂、教育等眾多場景； 實時生成：OmniHuman-1 具備實時生成的能力，在互動中，用戶能夠即時獲得數位人物的 反饋； 表現力強：在多種驅動模式下，由 OmniHuman-1 生成的數位人物能夠完成具有挑戰性的 動作，進一步提升了影片的真實感和表現力。 OmniHuman-1 引人擔憂 不過雖然 OmniHuman-1 的強大功能讓人讚歎 AI 可能為人類生活帶來的改變，當前社群 對這一模型也產生了一些擔憂，具體來看包括： 身份冒用：該模型看起來能夠精確複製特定個人的容貌和動作，可能會被用於惡意模仿和 身份詐欺； 資訊操縱：當前 AI 最令人擔憂的負面影響之一，就是可能會催生網路虛假資訊的氾濫， 這可能嚴重影響公共輿論和社會認知； 隱私侵犯：該模型的推出，也可能導致惡意分子在未經許可的情況下，擅自重建和操縱個 人形象，例如利用某明星的圖片製作色情影片等，可能引發倫理問題。 不過要說明的是，當前雖然字節跳動已經推出 OmniHuman-1 模型，但目前該模型尚未正 式投入商業使用，官方也尚未清楚說明具體釋出時間。 另一方面，字節跳動掌管著抖音這一中國當前最熱的社交媒體平台，但 OmniHuman-1 的 推出似乎在中國社群內部的討論度還不高，頗令人玩味。 OmniHuman：通過一張圖片配合音頻或視頻，生成非常自然的會說話、唱歌的人類動作視 頻 支持各種不同類型輸入（如單一的人物圖片和音頻、視頻等信號）生成非常逼真真人視頻 動畫，涵蓋從面部表情到全身動作，無論是說話、唱歌、跳舞等。 OmniHuman 在生成動畫時能夠保持極高的真實感，能夠精確捕捉到人類的面部表情、身體 動作、手勢變化、物體交互等細節，超越了現有的方法。 支持手勢、肢體語言、舞蹈動作等自然動畫。 支持臉部特寫（Close-up）、半身（Half-body）、全身（Full-body） 動畫。 可適應不同畫面比例（如 16:9、9:16、1:1）。 能夠處理各種人體姿勢和全身動作，尤其是在面對複雜的運動和物體交互時，表現出更高 的準確度。 https://www.xiaohu.ai/c/xiaohu-ai/omnihuman --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.72.195.108 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Stock/M.1738907610.A.3B8.html