OmniHuman-1

OmniHuman-1 是字节跳动智能创作团队（ByteDance Intelligent Creation）公布的一项研究项目，论文题为《Rethinking the Scaling-Up of One-Stage Conditioned Human Animation Models》。它要解决的问题是：给一张人物图片和一段运动信号，直接生成这个人动起来、说话或唱歌的视频。运动信号可以只有音频，也可以只有视频，或者两者组合。

能做什么

按项目页的演示，输入一张图片加一段音频，就能得到对应的人像视频，图片可以是肖像、半身或全身，横竖比例不限。演示覆盖了卡通形象、动物、人造物件和较难的姿势，也专门展示了唱歌场景，能处理高音和不同曲风的动作风格。除了音频驱动，它还支持用视频驱动来模仿特定动作，以及音视频联合驱动控制局部身体。

目前拿不到

项目页明确写着，目前不在任何地方提供服务或下载，也没有项目的社交账号，并提醒注意虚假信息。页面上只有论文、演示视频和 BibTeX 引用信息，没有可注册的入口，也没有客户端。想实际用上这套能力，眼下没有官方途径。

适合谁看

适合做数字人、音频驱动人像方向的研究者和工程团队，用来对照方法、看效果边界；普通用户想拿它做视频，暂时没有可操作的产品。页面也说明演示素材来自公开来源或模型生成，仅用于展示研究能力。