三花快讯 · 2025, 9月12日
字节开源 HuMo 多模态视频生成模型
代码权重已发布但暂无在线演示
字节开源的 HuMo 是一个 170 亿参数的多模态视频生成框架，专门针对人体视频生成进行了优化。它支持文本、图像、音频三种模态的协同输入，能够生成 480P 与 720P 分辨率、最长 97 帧、25FPS 的精细可控人物视频。
目前代码与模型权重已在 HuggingFace 上发布，不过暂时没有提供在线演示，佬们可以关注我，为你持续跟进最新进展。
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。