天眼查数据显示，截至2024年9月底，中国取数字人相关的企业数量已达114。4万家，仅2024年前五个月就新增注册企业17。4万余家，显示出数字人财产的市场潜力取活力。数字人无望成为AI大模子的办事入口，正在帮帮企业实现降本增效的同时，实现toB办事正在toC侧的变现闭环。

　　目前，除百度、腾讯、阿里巴巴等互联网公司，华为云、京东云、字节跳动、科大讯飞、商汤科技、小冰公司等厂商都已参取到虚拟数字人出产中。

　　从评测成果而言，通过取多个已存正在的模子定量对比，OmniHuman算法正在多项评估目标上展示出显著劣势。

　　智研征询认为，跟着AI手艺不竭前进，智能驱动型将成为市场支流。虚拟数字人的拟人化程度为其焦点特征及合作力所正在，虚拟数字人包罗实人驱动型取驱动型，此中实人驱动型虚拟数字人仍离不开现实实人，其动做捕获、音视频合成等均需要中之人共同完成，拟人化程度更高。目前智能驱动型虚拟数字人受限于手艺、设备要素，拟人逼实程度不及实人驱动型。

　　方案OmniHuman，其能够对肆意尺寸和人物占比的单张图片连系一段输入的音频进行视频生成，生成的人物视频结果活泼，具有很是高的天然度。

　　正在机能取成本劣势不竭下，可以或许实现认知和进化的智能驱动型虚拟数字人将逐渐代替实人驱动型虚拟数字人，成为市场支流，普遍地使用正在各个范畴。特别是AIGC手艺的兴起，将帮力智能驱动型数字人个性化定制及智能化交互能力再上新台阶。

　　字节跳动公司研究人员开辟了一种名为OmniHuman-1的人工智能模子，可以或许从单张图像生成逼实动态视频，结果令人惊讶。

　　研究团队指出，OmniHuman颠末跨越18700小时的人类视频数据锻炼，表示出了显著的前进。通过引入多种前提信号（例如文本、音频和姿态），这项手艺不只提拔了视频生成的质量，还无效削减了数据的华侈。

　　IDC最新发布的演讲显示，中国市场规模呈现高速增加趋向，估计到2026年将达102。4亿元。

　　该模子可以或许通过一张图片共同音频或视频，生成很是天然的会措辞、唱歌的人类动做视频。正在生成动画时可以或许连结极高的实正在感，可以或许切确捕获到人类的面部脸色、身体动做、手势变化、物体交互等细节。

　　其支撑各类分歧类型输入（如单一的人物图片和音频、视频等信号），生成很是逼实的实人视频动画，涵盖从面部脸色到动做，无论是措辞、跳舞等，超越了以往仅能动画面部或上半身的AI模子。

　　据领会，该模子采用基于DiT架构的多模态活动前提夹杂锻炼策略，处理高质量数据稀缺问题。这项手艺的焦点正在于，它连系了文本、音频和人体动做等多种输入，通过一种称为“全前提”锻炼的立异方式，使得AI可以或许从更大、更丰硕的数据集中进修。

　　“OmniHuman通过引入多模态前提驱动和全前提锻炼策略，成功处理了人类动画生成范畴持久存正在的数据扩展和泛化能力问题。这一成长呈现正在AI视频生成手艺合作日益激烈的布景下，谷歌、Meta和微软等公司也正在积极逃逐雷同手艺。”有业内人士指出。

福建宏波信息技术有限公司