OmniHuman-1: TikTok-ejer lancerer AI, der skaber menneskelige videoer fra et enkelt billede

A bytedance, ejer af TikTok, for nylig præsenteret OmniHuman-1, en ny kunstig intelligens, der genererer ekstremt realistiske menneskelige videoer fra et enkelt billede. Værktøjet skiller sig ud ved at bruge svage signaler, såsom lyd, til at skabe disse videoer, hvilket sætter en ny standard i eksisterende metoder til oprettelse af digitalt indhold. Tjek alt om den nye funktion:

Sådan fungerer OmniHuman-1

O OmniHuman-1 bruger en innovativ multimodalitetsdrevet menneskelig videogenereringsramme, som kan skabe yderst realistiske videoer fra et enkelt menneskeligt billede og bevægelsessignaler såsom lyd og video. Dens arkitektur inkorporerer en blandet træningsstrategi, som gør det muligt for modellen at lære af en stor mængde data fra forskellige kilder. Dette løser problemet med, at tidligere tilgange til andre modeller ofte stod over for vanskeligheder på grund af mangel på data af høj kvalitet til træning.

Værktøjet understøtter billedinput i forskellige billedformater, som f.eks billeder, halvkropsbilleder e hele kroppen. Denne funktion er vigtig for at skabe realistiske videoer i forskellige sammenhænge og scenarier. Desuden OmniHuman-1 formår at bevare troskaben af ​​detaljer, som f.eks bevægelser, belysning e tekstur, hvilket sikrer, at resultatet er overbevisende og naturligt.

Et andet vigtigt aspekt af OmniHuman-1 er dens evne til at håndtere forskellige visuelle og lydstile. Den kan generere video fra svage signaler, såsom kun lyd, eller kombinere lyd og video for mere nøjagtig bevægelsesretning. Denne alsidighed gør værktøjet ideelt til medie- og underholdningsapplikationer, hvor tilpasning og kvalitet er afgørende. DE OmniHuman-1, repræsenterer derfor et fremskridt inden for generering af digitalt indhold, der tilbyder nye muligheder for at skabe interaktive og personlige videoer.

Dernæst vil vi se nærmere på hvert aspekt, der gør OmniHuman-1 en revolutionerende videogenerations AI.

Støtte til enhver kropsform og proportion

Understøttelse af billedinput i ethvert billedformat, hvad enten det er stående, halvlængde eller fuld længde, er en af ​​de store fordele ved OmniHuman-1. Dette betyder, at værktøjet kan generere realistiske videoer uanset formatet på det viste billede, noget som mange tidligere teknologier ikke kunne gøre med samme nøjagtighed. Denne fleksibilitet gør det muligt at anvende værktøjet i en række forskellige sammenhænge, ​​fra personlige videoer e fagfolk até kunstneriske produktioner e reklamer, hvilket sikrer ensartede resultater af høj kvalitet i alle tilfælde.

Derudover er det afgørende at understøtte forskellige kropsformer for at skabe mere naturlige og personlige videoer. DE OmniHuman-1 tilpasser sig ikke kun billedets billedformat, men bevarer også troværdigheden af ​​motivets bevægelser og fysiske egenskaber. Dette er især nyttigt på områder som medier og underholdning, hvor autenticitet og realisme er afgørende for at engagere og fængsle publikum.

Referencemuligheder for lyd, positur og billede

Kapaciteten af OmniHuman-1 Arbejde med forskellige typer signalindgange, såsom lyd og video, giver AI mulighed for at generere realistiske menneskelige videoer ved hjælp af kun et lydsignal, eller kombinere lyd og video for at opnå endnu mere nøjagtige og naturlige resultater. Denne funktion tillader OmniHuman-1 skabe videoer baseret på forskellige referencer, hvilket udvider deres potentielle anvendelser i forskellige brancher.

Ud over lydmulighederne kan f.eks OmniHuman-1 demonstrerer også evnen til at håndtere forskellige positurer og billedreferencer. Det betyder, at uanset positionen eller holdningen af ​​motivet i inputbilledet, kan værktøjet generere en video, der bevarer bevægelsernes naturlighed og flydende karakter. Denne alsidighed er en forbedring i forhold til tidligere teknologier, som ofte kæmpede med komplekse eller usædvanlige positurer.

Videoer med forskellige visuelle stilarter

O OmniHuman-1 kan producere videoer med forskellige visuelle stilarter, hvilket gør det til et utroligt alsidigt værktøj for indholdsskabere. Den kan tilpasse sig en bred vifte af stilarter, fra ekstrem realisme til mere stiliserede repræsentationer, hvilket sikrer, at resultatet opfylder brugerens specifikke behov og præferencer. Denne evne til at generere videoer med forskellige visuelle stilarter er mulig takket være den sofistikerede træningsstrategi OmniHuman-1, som giver modellen mulighed for at lære af en lang række visuelle data.

Interaktion mellem mennesker og objekter

Et andet innovativt træk ved OmniHuman-1 er dens evne til at repræsentere samspillet mellem mennesker og objekter på en realistisk og naturlig måde. Det betyder, at værktøjet kan generere videoer, hvor motivet interagerer med forskellige objekter i omgivelserne, og bevarer sammenhængen i bevægelser og detaljernes troskab. Denne funktionalitet er essentiel for applikationer inden for områder som augmented og virtual reality, hvor realistisk interaktion med miljøet er grundlæggende for brugerens fordybelse.

Nøjagtig repræsentation af menneske-objekt-interaktioner er en væsentlig udfordring for mange videogenereringsteknologier, men OmniHuman-1 formår at overvinde det takket være sin avancerede træningsstrategi og brugen af ​​data af høj kvalitet.

AI tilgængelighed

På trods af at have allerede præsenteret OmniHuman-1, en bytedance har endnu ikke gjort værktøjet tilgængeligt til offentlig brug, hverken gennem tjenester eller downloads. Imidlertid showmetech vil være opmærksomme og bringe al den nødvendige information til sine læsere, så snart AI er tilgængelig for adgang.

Hvad synes du om denne nye udvikling i verden af ​​videogenererende AI'er? Fortæl os om det Kommentar under!

Veja também:

Kilder: GitHub, Marktech e Instagram.

Anmeldt af Gabriel Princesval den 05/02/2025