ByteDance, tek görselden 5 dakikaya kadar video üreten OmniHuman 2.0'ı sundu

Ne oldu

TikTok'un çatı şirketi ByteDance, yapay zekâ destekli video üretim modeli OmniHuman'ın yeni sürümü OmniHuman 2.0'ı kullanıma sundu. Model, şirketin kurumsal yapay zekâ platformu BytePlus üzerinden erişilebiliyor.

Neler yapıyor

OmniHuman 2.0, tek bir görsel ve ses kaydından 30 saniyeden 300 saniyeye, yani 5 dakikaya kadar video üretiyor. Sistem yalnızca dudak senkronizasyonuna odaklanmıyor; sesin ritmini, tonlamasını ve anlamını analiz ederek karakterin jestlerini ve duygusal tepkilerini de şekillendiriyor. Kullanıcılar metin komutlarıyla sahnedeki hareketleri, nesne üretimini ve kamera davranışını yönlendirebiliyor.

Kimler, hangi sahneler

Model yalnızca insan görselleriyle sınırlı değil; hayvanlar, 3D karakterler ve farklı görsel stillerdeki karakterler de hareketlendirilebiliyor. Çok karakterli sahneler destekleniyor ve referans görselde bulunmayan bazı öğeler komutla sahneye eklenebiliyor.

Fiyat ve erişim

BytePlus'a göre yeni sürümde hareket kalitesi geliştirildi ve maliyet yüzde 40 azaldı. Kullanım fiyatı saniye başına 0,07 dolar olarak açıklandı. Model, API üzerinden geliştiricilere de açılıyor; böylece şirketler modeli kendi içerik üretim araçlarına, pazarlama çözümlerine veya dijital karakter uygulamalarına entegre edebilecek.

Kullanım alanları

BytePlus, modelin reklam ve marka içerikleri, kısa videolar, film ve televizyon prodüksiyonları, yapay zekâ müzik videoları ve kullanıcı tarafından oluşturulan içerikler için kullanılabileceğini belirtiyor. Müzik videolarında ritme bağlı hareketler ve müziğin duygusuna göre değişen performanslar öne çıkan senaryolar arasında.