OmniHuman-1是一种先进的AI驱动人类视频生成模型，能够通过单一图像和音频生成逼真的人类动画。该模型基于DiT架构，采用混合条件训练策略，显著提升了动画质量和适应性，具有广泛的应用潜力，如医疗、教育和互动故事讲述。

即梦AI推出OmniHuman新功能，用户可通过图片和音频生成生动的AI视频。该模型支持多种图片尺寸，能生成与音频匹配的动作，改善手势表现。尽管效果自然，但影视真实级别视频生成仍需提升。即梦将进行小范围内测，并设置安全审核机制，确保技术的正面应用。

字节跳动推出的OmniHuman方案能够根据单张图片和音频生成生动的人物视频，支持多种输入形式，并显著改善手势崩坏问题。该技术通过混合多模态训练，克服了高质量数据稀缺的挑战，提升了生成效果。

OmniHuman-1是字节跳动推出的基于扩散变换器的AI模型，能够从单一图像生成逼真的人体动画。该模型结合多模态输入，支持音频和视频驱动，适应不同身体比例，提升动作真实感，克服了传统模型的局限性，表现出色，标志着AI人体动画的重大进步。