近期,即夢AI在官方社交媒體上發(fā)布了一條新功能上線預(yù)告片。視頻顯示,采用了全新的多模態(tài)視頻生成模型OmniHuman,用戶僅需輸入一張圖片和一段音頻,就可以生成一條生動的AI視頻,有望大幅提升AI短片的制作效率和質(zhì)量。
![](http://jsbuxiugang.com/file/upload/202502/07/175631261.png)
圖片來自即夢AI視頻號內(nèi)容截圖
OmniHuman技術(shù)主頁信息顯示,該模型為字節(jié)跳動自研的閉源模型,可支持肖像、半身以及全身等不同尺寸的圖片輸入,并根據(jù)輸入的音頻,在視頻中讓人物生成與之匹配的動作,包括演講、唱歌、樂器演奏以及移動。對于人物視頻生成中常見的手勢崩壞,也相比現(xiàn)有方法取得了顯著的改善。此外,對動漫、3D卡通等非真人圖片輸入的支持效果也較為出色,生成的視頻能保持特定風(fēng)格和原有的運(yùn)動模式。
根據(jù)技術(shù)主頁展示的演示效果來看,OmniHuman的生成效果已經(jīng)具有較高的自然度。為防止該項技術(shù)被不當(dāng)利用,字節(jié)跳動技術(shù)團(tuán)隊在主頁中特別標(biāo)注稱,OmniHuman將不會對外提供下載。
![](http://jsbuxiugang.com/file/upload/202502/07/175657741.png)
即夢AI相關(guān)負(fù)責(zé)人透露,該模型目前已具備較好的表現(xiàn),但在生成影視真實級別的視頻上仍存在一定的提升空間。由其支持的多模態(tài)視頻生成功能會在即夢上以小范圍內(nèi)測的形式進(jìn)行調(diào)優(yōu)調(diào)整,并逐步開放。該負(fù)責(zé)人同時表示,即夢還會對這一功能設(shè)置嚴(yán)格的安全審核機(jī)制,并且對輸出的視頻標(biāo)注水印以作提醒,從而確保AI發(fā)揮正面、積極的作用,助力視頻創(chuàng)作者更好地實現(xiàn)想象力的表達(dá)。