端到端模型

OmniHuman-1是字节跳动推出的一个端到端的多模态条件驱动人类视频生成框架，能够基于单张人类图像和不同类型的运动信号（如音频、视频或音频与视频的组合）生成极为逼真的人类视频。

OmniHuman-1是字节跳动推出的一个端到端的多模态条件驱动人类视频生成框架，能够基于单张人类图像和不同类型的运动信号（如音频、视频或音频与视频的组合）生成极为逼真的人类视频。