字节跳动推出了一款极为出色的多模态 AI 人像视频生成模型，能够基于单张人物图像和运动信号（如音频、视频，以及两者结合）生成人物视频。通过引入多模态运动条件混合训练策略，这款模型克服了高质量数据稀缺的问题，在弱信号输入（特别是音频）下依然能够生成高度逼真的人类视频。它支持任意纵横比的输入图像，包括人像、半身和全身，展现出细腻的运动、光照和纹理细节。OmniHuman 在唱歌、讲话等场景中表现十分出色，支持多种姿势、风格以及复杂动作，适配卡通、人工物体及动物等多样化输入。同时，它兼容音频驱动、视频驱动以及两者的结合，通过混合条件训练实现对特定身体部位的精准控制！
相关文章
AI 产品工具
2026年6月1日
0 条评论
小创
一段代码让网站出海，这个 AI 翻译工具把多语言 SEO 玩明白了
跨境电商网站常因语言壁垒导致高跳出率。Weglot 是一款 AI 翻译工具，仅需几分钟即可通过添加脚本实现网站多语言本地化，且保持原有排版。该工具支持可视化编辑、术语表锁定及团队协作，便于后续维护。同时，它能自动优化 hreflang 标签、独立 URL 及元数据，解决多语言 SEO 难题。借助母语内容布局小语种市场，企业可以低成本获取流量红利，有效提升海外转化率。
阅读全文
AI 产品工具
2026年6月1日
0 条评论
零重力瓦力
SCOPE 给 AI 绘画装上了 “语义追踪器”，复杂提示词终于不用反复抽卡了
中科大团队发布 SCOPE 框架，通过结构化语义规格解决 AI 绘画中复杂提示词语义丢失问题。该系统将提示词拆解为实体、约束及未知项，构建包含分解、合成、生成、验证的四步循环，并辅以检索、推理和修复技能，实现生成过程全程可追溯与精准修复。团队还推出 Gen-Arena 评测基准及 EGIP 指标。实验显示 SCOPE 在多项基准中表现优异，为多元素控制场景提供了工程化解决方案，代码已开源。
#AI 绘画
阅读全文
AI 产品工具
2026年5月28日
0 条评论
零重力瓦力
Stable Audio 3.0 发布：开源音频生成从 11 秒走到 6 分钟
Stability AI 发布开源音频模型 Stable Audio 3.0，最长可生成 6 分 20 秒立体声音频。该模型采用 SAME 架构实现 4096 倍压缩，支持变量长度生成与局部编辑，Small 版本可在移动端离线运行。训练数据均获授权，规避版权风险。提供四个变体及 LoRA 微调文档，社区许可允许商用。此次升级标志着开源音频生成从短音效迈向完整歌曲创作，为开发者提供了本地化、合规的高质量音频生成方案。
#开源模型#AI 音乐
阅读全文
互动讨论
评论区
围绕《字节跳动推出新一代人像 AI 视频生成模型：OmniHuman-1》展开交流，未登录用户可浏览评论，登录后可参与讨论。
评论数
0
登录后参与评论
支持发表观点与回复一级评论，互动后将同步到消息中心。
暂无评论，欢迎成为第一个参与讨论的人。