還記得前段時間字節(jié)跳動備受關(guān)注的數(shù)字人技術(shù)Omnihuman-1嗎？

最近，這支團隊一項基于DiT架構(gòu)的可控人像視頻生成技術(shù)DreamActor-M1，一經(jīng)發(fā)布，又在推特上引起了超百萬量級的關(guān)注——

僅需一張靜態(tài)照片和一段驅(qū)動視頻，便可生成高質(zhì)量、達到電影級別的視頻，將人像視頻生成的表現(xiàn)力提升至全新水平！

左右滑動查看

項目網(wǎng)頁：

https://grisoon.github.io/DreamActor-M1/

論文地址：

https://arxiv.org/pdf/2504.01724

DreamActor-M1不僅能夠保留原圖中的身份特征，還能精準捕捉并遷移驅(qū)動視頻中的動作和表情，呈現(xiàn)出高度逼真的效果，極大地簡化了現(xiàn)有的動作捕捉、角色動畫以及內(nèi)容創(chuàng)作流程。

據(jù)悉，Omnihuman-1技術(shù)已經(jīng)應(yīng)用于即夢數(shù)字人玩法的「大師模式」而DreamActor-M1模型也將于近期上線即夢AI，用戶將可以在「數(shù)字人」-「動作模仿」功能下體驗新模型。相比已有的動作模仿效果，在生成內(nèi)容逼真度、畫風支持、畫面比例支持等多個方面將大幅優(yōu)化。

方案介紹

先一起來看看DreamActor-M1的效果：

瑪麗蓮夢露不僅能夠精準復刻參考視頻的動作，保持語音和口型一致，手臂大幅度擺動也不會出現(xiàn)嚴重的變形或虛影

在日光下，男子隨著參考視頻動作的同時，能看到光影相應(yīng)的變化

與以往方法不同，DreamActor-M1采用多控制信號混合驅(qū)動架構(gòu)，能夠精準還原從眼神等細膩表情到肢體動作的各類表現(xiàn)，可驅(qū)動從真人到卡通的不同形象，支持從肖像畫幅到全身畫幅的多種畫幅，顯著增強了單圖視頻驅(qū)動能力的表現(xiàn)力與易用性。

• 在表情遷移方面，該系統(tǒng)運用隱式Face Motion Tokenizer，通過對大量人像視頻進行自監(jiān)督訓練，實現(xiàn)對表情細節(jié)的精準建模。
• 在動作遷移方面，采用3D頭部球體和3D身體骨架，能夠支持各種風格角色的肢體動作精準遷移。
• 在畫幅支持方面，DreamActor-M1基于DiT架構(gòu)，并通過大量數(shù)據(jù)進行多階段訓練，可精準復刻各種畫幅鏡頭，為用戶提供了更廣闊的創(chuàng)作空間。

各種畫幅高表現(xiàn)還原

各種風格角色都支持

技術(shù)對比

相較于其他SOTA動作遷移和表情遷移工作，DreamActor-M1在人物ID保持、動作表情還原、視頻生成質(zhì)量方面都有著更好表現(xiàn)，為高效完成高質(zhì)量內(nèi)容創(chuàng)作創(chuàng)造了新的可能性。

• 與動作遷移工作的對比

• 與表情遷移工作的對比

安全說明

模型上線即夢AI后，平臺將對視頻內(nèi)容進行嚴格的安全審核，并對輸出視頻添加「AI生成」水印，即夢AI現(xiàn)有的「動作模仿」功能也要求用戶上傳視頻素材需確保擁有合法授權(quán)。

團隊介紹

字節(jié)跳動智能創(chuàng)作團隊是字節(jié)跳動AI&多媒體技術(shù)中臺，通過建設(shè)領(lǐng)先的計算機視覺、音視頻編輯、特效處理等技術(shù)，支持抖音、剪映、頭條等公司內(nèi)眾多產(chǎn)品線；同時為外部ToB合作伙伴提供業(yè)界最前沿的智能創(chuàng)作能力與行業(yè)解決方案。

其中數(shù)字人團隊專注于建設(shè)行業(yè)領(lǐng)先的數(shù)字人生成和驅(qū)動技術(shù)，豐富智能創(chuàng)作內(nèi)容生態(tài)。該團隊的OmniHuman-1 、PersonaTalk、Loopy、CyberHost等前沿創(chuàng)新的數(shù)字人成果均已在即夢AI快速應(yīng)用，未來還將持續(xù)通過即夢AI為用戶帶來新奇和驚喜的體驗。