OmniHuman-字节跳动推出的多模态条件驱动的人体视频生成框架

OmniHuman 是字节跳动研发的多模态数字人生成模型，能够同时接受文本、图像、音频和姿态等多种条件，实现从单张照片生成全身动态视频的功能。