OmniHuman 是字节跳动团队推出的 AI 研究项目，论文标题为 OmniHuman-1: Rethinking the Scaling-Up of One-Stage Conditioned Human Animation Models，作者包括 Gaojie Lin、Jianwen Jiang、Jiaqi Yang、Zerong Zheng、Chao Liang，发表于 arXiv（arXiv:2502.01061，2025 年）。
用途 OmniHuman 用于人物动画生成，目标是通过单张图像和音频输入生成生动的人物视频。官方页面说明，除展示视频和组合驱动信号的演示外，生成页面上的所有结果仅需任意单张图像和音频。
主要能力 根据官方介绍，OmniHuman 支持多种视觉和音频风格，可在任意宽高比和身体比例下生成逼真的人物视频，包括肖像、半身和全身形态，真实感来自动作、光照和纹理细节等综合方面。在输入多样性方面，它支持卡通、人造物体、动物以及具有挑战性的姿势，确保动作特征与每种风格的独特特征相匹配。官方还展示了肖像宽高比结果，来自 CelebV-HQ 数据集的测试样本。在音乐方面，OmniHuman 可支持多种音乐风格，适应多种身体姿势和演唱形式，能够处理高音歌曲，并针对不同类型音乐展示不同动作风格。
使用方式 官方页面未提供公开的产品化使用入口或安装命令，仅展示了生成视频示例和论文引用信息。页面说明，生成结果仅需任意单张图像和音频；参考图像在大多数情况下是生成视频的第一帧，为保持布局整洁而未展示。如需比较或更多信息，可通过 jianwen.alan@gmail.com 联系。
适用场景 从官方展示来看，OmniHuman 适用于人物动画生成研究，包括肖像、半身、全身视频生成，音乐演唱类动画，以及卡通、动物、人造物体等多样化风格的动画生成。
限制 官方页面未提供公开的在线试用、API、定价或部署方式，暂未提供相关信息。该项目为研究性质，页面中的图像和音频来自公开来源或由模型生成，仅用于展示研究能力。若对演示素材有疑虑，可联系 jianwen.alan@gmail.com 删除。网页模板基于 VASA-1，部分测试音频来自 VASA-1、Loopy、CyberHost。
引用信息 若该项目对研究有帮助，可引用：@article{lin2025omnihuman1, title={OmniHuman-1: Rethinking the Scaling-Up of One-Stage Conditioned Human Animation Models}, author={Gaojie Lin and Jianwen Jiang and Jiaqi Yang and Zerong Zheng and Chao Liang}, journal={arXiv preprint arXiv:2502.01061}, year={2025}}。相关作品还包括 Loopy（arXiv:2409.02634）和 CyberHost（arXiv:2409.01876）。
