品玩8月28日讯，据 Github 页面显示，字节跳动近日推出视频生成模型OmniHuman-1.5。

OmniHuman-1.5 可基于单张图像和一段语音轨道，生成与语音节奏、韵律及语义内容一致的富有表现力的角色动画，还可通过可选文本提示进一步优化。受大脑 “系统 1 与系统 2” 认知理论启发，我们的架构将多模态大语言模型与扩散 Transformer 相结合，模拟两种不同思维模式：缓慢、审慎的规划与快速、直觉的反应。这种强大的协同作用使其能够生成超一分钟的视频，具备高度动态的动作、连续的镜头移动以及复杂的多角色互动。