《科创板日报》6日讯，字节跳动提出了一种名为OmniHuman的端到端多模态数字人视频生成框架，可基于一张图片和运动信号（如音频、视频或两者）生成视频。该框架混合数据训练策略，科技媒体TechSpot称它可能是目前最逼真的深度仿真算法。不过，该框架目前暂未向公众提供服务。