《科創(chuàng)板日報》28日訊，字節(jié)跳動近日推出視頻生成模型OmniHuman-1.5。據(jù)介紹，該模型架構(gòu)將多模態(tài)大語言模型與擴散Transformer相結(jié)合，模擬兩種不同的思維模式：緩慢深思的規(guī)劃與迅捷直覺的反應(yīng)。這種強效協(xié)同可生成時長超一分鐘的動態(tài)視頻 ，包含流暢的鏡頭運動、復(fù)雜的多角色互動及高度動態(tài)的動作表現(xiàn)。