全网首发｜一手内测字节OmniHuman-1，这就是当今最强的AI数字人。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
全网首发｜一手内测字节OmniHuman-1，这就是当今最强的AI数字人。
原创 数字生命卡兹克 数字生命卡兹克 2025-02-22 00:25 北京
半个月前，字节的OmniHuman-1模型在全球的AI圈，都掀起了巨浪。
可能有些朋友不知道这是个啥，我大概通俗易懂的解释一下：
一张图+一段音频，就能生成超逼真的唇形同步AI视频。
听起来好像是不是之前已经有了？没毛病，这种AI视频我们一般称为对照片说话，我自己之前也写过：3分钟用AI让照片开口说话，去造属于自己的梦吧。
那时候的效果是这样的：
说实话，这个效果已经很不错了，但是有个最大的问题，就是只能生成面部或者头部的动画，背景、肢体全都没法动，非常的尴尬。
而这一次，OmniHuman-1做了巨幅的突破，一张照片+一段音频，就可以生成背景是动态、支持全身动作的视频，甚至还能保证口型同步。
在我心中，这好像才是真正的Sora该有的样子。
而我等啊等啊等啊。
终于，在今天深夜，我等来了OmniHuman-1的内测。
这一次，他们把这个模型也放在了老朋友即梦上。
视频生成中的对口型上的大师模式，就是OmniHuman-1。
三种模式的描述对比一下：
在我玩了2个小时后，我只能感叹一句：
AI视频中的人物表演，也终于走进了下一个时代。
视频中的人物，再也不是默剧了，让人物开口说话也终于不用先跑一段动态AI视频再换口型了。
只需要一键，就直接生成一段带表演的、带口型的15秒视频。
这就像当年的语音，从TTS，进化到了端到端的声音一样。
酷到爆炸了好吗。
给大家看下怎么用，真的巨简单。
首先，你需要准备一张人物角色图和一段音频。
图的话没啥需要注意的，不同于之前的生动模式会强制剪裁，现在的OmniHuman-1支持任何比例，同时我自己测试下来，有个问题比较大，就是角色的审核非常严格。
猫猫狗狗之类的动物不能生存我能理解，但是一些拟人角色，或者稍微侧面一点的，都显示未检测到可用角色，比如我传这个哪吒的图：
就会显示这个：
这个我觉得就有一点问题，我就去直接问了下产品经理，是BUG，还是模型特性。产品的回复是：
至于音频的话，除了真人配音之外，如果想用AI生成，我比较建议去海螺AI，目前我觉得最强的AI语音。我曾经也写过一篇文章介绍：30秒就能完美复刻你的声音，这就是当今最强的中文AI语音克隆。
全部准备就绪上传之后，你只要，点击生成就可以了。
比如我准备了一张哪吒的图片，和一段哪吒2里非常经典的语音。
然后，他两直接合成了一段，AI哪吒念诗。
这效果，虽然有一些瑕疵，而且不能跟哪吒2原片段比，但是已经是我见过的，表演最好的了，毕竟你要是真能跟哪吒2片段打个平手。。。
那…AI对于影视的冲击…
我又整了个活，让奥特曼…来搞个花的。
这个运动非常夸张，不仅奥特曼自己的表演是到位的，背景里面的行人也是匆匆，左右穿越，稳得一笔。
又或者这个miku酱弹吉他。
太牛逼了。
再放几个跑的case。
甚至不止单人，连多人…都可以。
AI女团有望。
从以前要调动画、找配音、做后期合成，至少得个把星期的工作量，如今十几秒钟就能完成，还能批量跑，简直让人不敢相信这是现实。
说实话，这就是我心里那个AI视频2.0时代的标志。
人物不仅动了，还能用自然语音去表达信息，真正把视频当做核心载体，让AI深度参与到表演和叙事中。
这样的想法放在半年前，像极了天方夜谭，可它如今就真实地摆在你面前。
再往后，我们也许要重新思考。
影视、动画、广告、甚至直播，这些传统概念，会不会因为一个AI，而统统被打碎重构？
相信，结论，都在大家的心中。
只是时间上的尺度有不同而已。
科技的长河滚滚向前。
从来不会等待，任何人。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言