主要观点总结
本文介绍了字节的OmniHuman-1模型在全球AI圈引起的巨大关注。该模型能够利用一张图片和一段音频生成超逼真的唇形同步AI视频，突破了以往只能生成面部或头部动画的限制。作者详细描述了OmniHuman-1的功能和效果，并将其与之前的模型进行了对比。他认为这是AI视频2.0时代的标志，将深度参与到表演和叙事中，可能对传统概念如影视、动画、广告、直播等产生深远影响。
关键观点总结
关键观点1: OmniHuman-1模型的创新
OmniHuman-1模型能够利用一张图片和一段音频生成背景动态、全身动作的视频，保证口型同步，突破了以往模型的限制。
关键观点2: OmniHuman-1模型的应用
OmniHuman-1模型应用于影视、动画、广告、直播等领域，将深度参与到表演和叙事中，可能对这些传统概念产生深远影响。
关键观点3: 模型的易用性
OmniHuman-1模型的使用非常简单，只需准备一张人物角色图和一段音频，上传后点击生成即可。角色审核较为严格，但使用流程方便。
关键观点4: 模型的未来展望
作者认为OmniHuman-1模型是AI视频2.0时代的标志，未来将会有更多的应用场景和更广阔的发展空间。
正文
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。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。终于，在今天深夜，我等来了OmniHuman-1的内测。视频生成中的对口型上的大师模式，就是OmniHuman-1。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。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：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：https://hailuoai.com/audio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。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。。。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。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。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？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
