OmniHuman — 用聲音和動作讓人物照片開口說話

OmniHuman 是什麼

OmniHuman 是 字節跳動（TikTok 母公司）開發的生成式影片模型。它拿 一張人物照片 和一段 音訊（說話或唱歌），生成一段影片，讓照片裡的人開口說話或唱歌。嘴唇、頭部和身體的動作都跟聲音對得上，靜止的形象就自然地活了過來。

和那些只給照片加點動效的模型不同，OmniHuman 專門盯著 人物形象和說話 — 目標是嘴型嚴絲合縫地跟著聲音走，表情和手勢看著是活的，而不是機械的。所以，當你想讓某一張人物照片用某個聲音「開口」時，它是很合適的選擇。

在 genkiki.com，這個模型以 「OmniHuman（照片 → 說話）」 出現在圖生影片模式裡 — 你上傳一張肖像和一段音訊，系統回傳成片。

generiram 裡的版本與能力

OmniHuman 只有一個版本，任務很明確：用聲音讓人物照片活起來。下面是它能做的事。

圖生影片

你提供 一張人物照片 和一段 音訊。OmniHuman 保留照片裡的樣貌，按語音節奏驅動嘴型，同時加上自然的頭部和身體動作。結果是一段影片，照片裡的人看起來真的在說、在唱你給的那段聲音。

適合做什麼

• 讓肖像活過來 — 讓一張靜止照片開口說話或唱歌。
• 會說話的數位人 — 做一個角色或一張臉，用指定的聲音說出你的內容。
• 會說話的照片 — 讓家庭照、老照片或人物產品照動起來。
• 給靜態形象配音 — 不用攝影機、不用拍攝，就給單張畫面加上聲音和表情。

怎麼開始

打開 genkiki.com 的 AI 工作室，選 OmniHuman（照片 → 說話），上傳一張清晰的人物照片和你想聽到的音訊，然後開始生成。想要最好的效果，就用一張臉清楚、光線好的照片，配上沒有明顯背景噪音的乾淨錄音。