كشفت ByteDance، الشركة المطورة لتطبيق TikTok، عن إطار عمل جديد للذكاء الاصطناعي يحمل اسم OmniHuman، وهو نموذج متطور يمكنه توليد مقاطع فيديو بشرية واقعية مع حركة متكاملة للجسم، ومزامنة دقيقة للشفاه مع الصوت. وأوضح الباحثون أن النموذج يعتمد على صورة بشرية واحدة مع إشارات حركة مثل الفيديو أو الصوت لإنتاج مقاطع فيديو متحركة بتفاصيل دقيقة.

ويعتمد OmniHuman على استراتيجية تدريب مختلط متعددة الوسائط، حيث يمكنه إنشاء مقاطع فيديو استنادًا إلى النصوص، أو الصور، أو الصوت، أو الفيديو، ما يمنحه مرونة كبيرة في إنتاج المحتوى. كما يسمح النموذج بإنشاء مقاطع فيديو بأبعاد مختلفة، مما يجعله مناسبًا لمجموعة واسعة من الاستخدامات الرقمية.

ووفقًا للباحثين، فقد تم تدريب النموذج على 18,700 ساعة من بيانات الفيديو البشرية، مما ساعده على التكيف مع الحركة الطبيعية والتفاصيل الدقيقة مثل تعبيرات الوجه وإيماءات اليد. وعلى الرغم من عدم نشر أي مقاييس مرجعية رسمية، إلا أن الفريق البحثي زعم أن OmniHuman يتفوق بشكل ملحوظ على الأساليب الحالية في مجال توليد الفيديوهات البشرية الواقعية.

وأثارت هذه التقنية مخاوف حول استخداماتها المحتملة في التزييف العميق، نظرًا لقدرتها العالية على إنتاج مقاطع فيديو تحاكي الواقع بشكل كبير. ومع ذلك، أكدت ByteDance أن النموذج غير متاح حاليًا للتنزيل أو الاستخدام العام، ولا توجد خدمات تتيح الوصول إليه في الوقت الحالي.