TikTok 母公司字節跳動近期發佈了最新 AI 模型 OmniHuman-1，該模型允許用戶僅透過一張靜態圖片加上搭配音頻，就能生成栩栩如生的影片，包括人物說話時的口型、手勢等細節，都能得到細緻的刻畫。
（前情提要：被DeepSeek逼急？OpenAI免費上線新推理模型o3-mini！Altman首度承認：閉源策略錯了）
（背景補充：OpenAI怒控DeepSeek侵權創作者反酸：最大的小偷喊抓賊、美國海軍下令封殺DeepSeek）
在中國 AI 新創公司 DeepSeek 上月向全球 AI 界投下震撼彈之後，TikTok 母公司字節跳動近期也吸引了全球 AI 界的關注。據《Forbes》報導，字節跳動在 2 月 5 日公佈了其最新 AI 模型 OmniHuman-1，該模型允許用戶僅透過一張靜態圖片加上搭配的音頻，就能生成一個栩栩如生的影片，包括人物說話時的口型、手勢等細節，都能得到細緻的刻畫。
目前社群上已經有釋出部分 OmniHuman-1 使用成果，例如：黃仁勳唱 Rap、愛因斯坦演講、泰勒絲唱青鳥…效果相當逼真。紐約大學教授 Samantha G. Wolfe 就表示：
從技術角度來看，僅僅根據一張圖片，就能創造出來看起來真的會說話、會動的人物形象，這非常令人著迷。
以下截取 OmniHuman-1 實際演示結果 👇
Chinese ByteDance just announced OmniHuman-1 🤯
This AI can make a single image talk, sing, and rap expressively with gestures from audio or video input.
Here are 7 wild examples: pic.twitter.com/GDytBwyb9B
— Johanne | AI Tools & News (@shedoesai) February 6, 2025
— Johanne | AI Tools & News (@shedoesai) February 6, 2025
OmniHuman-1 特性有哪些？
據官方說明，OmniHuman-1 的關鍵特性包括：
- 多模態輸入：OmniHuman-1 模型支援文本、語音和影片等多種輸入形式，由此生成的數位人物可以在不同的場景中展示出豐富的情感與動作；
- 高質量輸出：OmniHuman-1 由於具備先進的深度學習技術，能夠生成包含真人、動漫人物、3D 人物等高質量數位形象，可用於直播、娛樂、教育等眾多場景；
- 實時生成：OmniHuman-1 具備實時生成的能力，在互動中，用戶能夠即時獲得數位人物的反饋；
- 表現力強：在多種驅動模式下，由 OmniHuman-1 生成的數位人物能夠完成具有挑戰性的動作，進一步提升了影片的真實感和表現力。
OmniHuman-1 引人擔憂
不過雖然 OmniHuman-1 的強大功能讓人讚歎 AI 可能為人類生活帶來的改變，當前社群對這一模型也產生了一些擔憂，具體來看包括：
- 身份冒用：該模型看起來能夠精確複製特定個人的容貌和動作，可能會被用於惡意模仿和身份詐欺；
- 資訊操縱：當前 AI 最令人擔憂的負面影響之一，就是可能會催生網路虛假資訊的氾濫，這可能嚴重影響公共輿論和社會認知；
- 隱私侵犯：該模型的推出，也可能導致惡意分子在未經許可的情況下，擅自重建和操縱個人形象，例如利用某明星的圖片製作色情影片等，可能引發倫理問題。
不過要說明的是，當前雖然字節跳動已經推出 OmniHuman-1 模型，但目前該模型尚未正式投入商業使用，官方也尚未清楚說明具體釋出時間。
另一方面，字節跳動掌管著抖音這一中國當前最熱的社交媒體平台，但 OmniHuman-1 的推出似乎在中國社群內部的討論度還不高，頗令人玩味。
📍相關報導📍
OpenAI 縮了！Altman：暫無計畫控告 DeepSeek，專心打造更優質產品
