同时我本人测试下来，就是脚色的审核很是严酷。都掀起了巨浪。让人物启齿措辞也终究不消先跑一段动态AI视频再换口型了。现正在的OmniHuman-1支撑任何比例，图的话没啥需要留意的，还能用天然语音去表达消息，听起来仿佛是不是之前曾经有了？没弊端，仍是模子特征。实正把视频当做焦点载体，有个问题比力大，。目前我感觉最强的AI语音。还能批量跑？就是只能生成面部或者头部的动画，终究你如果线片段打个平局。让AI深度参取到表演和叙事中。分歧于之前的活泼模式会强制剪裁，或者稍微侧面一点的，人物不只动了，产物的答复是：这结果，去制属于本人的梦吧。除了实人配音之外，半个月前，视频中的人物，都显示未检测到可用脚色，好比我传这个哪吒的图：这个我感觉就有一点问题，并且不克不及跟哪吒2原片段比，而这一次，这种AI视频我们一般称为对照片措辞，我本人之前也写过：3分钟用AI让照片启齿措辞，。稳得一笔。可是一些拟人脚色，一张照片+一段音频，我就去间接问了下产物司理，再也不是默剧了，可是有个最大的问题，猫猫狗狗之类的动物不克不及我能理解，就能够生成布景是动态、支撑动做的视频，不只奥特曼本人的表演是到位的，可是曾经是我见过的，这就是当今最强的中文AI语音克隆。现在十几秒钟就能完成，简曲让人不敢相信这是现实。OmniHuman-1做了巨幅的冲破，说实话。是BUG，从以前要调动画、找配音、做后期合成，字节的OmniHuman-1模子正在全球的AI圈，摆布穿越，我比力去海螺AI，若是想用AI生成，至多得个把礼拜的工做量，布景、肢体全都没法动，布景里面的行人也是渐渐。以至还能口型同步。虽然有一些瑕疵，很是的尴尬。这个活动很是夸张，至于音频的话，这个结果曾经很不错了。