跳到正文

OmniHuman-1

用单张人像与运动信号生成人类视频

访问官网

OmniHuman-1 是什么

OmniHuman-1 被介绍为一个端到端的多模态条件人类视频生成框架,能基于单张人像和音频、视频或其组合等运动信号生成人类视频,并通过混合训练策略应对高质量数据稀缺的问题。

你可以用它做什么

  • 用单张人像配合音频生成视频
  • 输入头像、半身像、全身像等不同宽高比的人像
  • 用音频、视频或两者结合的运动信号驱动生成
  • 生成带有逼真动作、光照和纹理细节的视频

应用场景

  • 为虚拟主播制作自然流畅的演讲视频
  • 为音乐视频生成歌手表演视频,支持多种音乐风格
  • 为动画角色制作逼真的动作与表情视频

上手流程

  • 访问 OmniHuman-1 的项目页面
  • 准备一张高质量的人像图片作为输入
  • 选择合适的运动信号,如音频文件或视频文件
  • 将人像图片和运动信号上传到模型中

优点与缺点

✓ 我们认可的地方

  • 运动信号可使用音频、视频或两者结合
  • 资料列出对多种音乐风格、歌唱形式与手势动作的支持

! 需要留意的地方

  • 每次生成都需要人像图片和运动信号作为输入
  • 训练依赖混合策略来应对高质量数据稀缺

常见问题

需要哪些输入?

资料列出一张高质量人像图片,以及音频文件或视频文件等运动信号。

支持哪些运动信号?

功能列表列出音频、视频,或两者结合。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法