InfinityHuman（インフィニティ・ヒューマン）：バイトがZJUと共同で立ち上げた長編ビデオ・デジタル・ヒューマン・ジェネレーション・モデル

InfinityHumanとは？

InfinityHumanは、ByteDanceと浙江大学が共同で発表した商用レベルの長時間音声駆動型キャラクター動画生成モデルである。このモデルは音声駆動で、高解像度、長時間、視覚的に一貫性のあるキャラクタービデオを生成することができる。InfinityHumanは、バーチャルキャスター、オンライン教育、カスタマーサービス、映画・テレビ制作、バーチャルソーシャルネットワーキングなどの分野に適しており、AIデジタルヒューマンの分野に新たなブレークスルーをもたらす。

インフィニティヒューマンの特徴

• 長時間のビデオ生成高解像度で長時間のキャラクタアニメーション動画の生成をサポートし、ビジュアルの一貫性と安定性を維持し、さまざまなアプリケーションシナリオに適しています。
• 自然な手の動き手に特化した報酬メカニズムに基づき、自然で正確な、音声と同期した手の動きを生成し、映像の臨場感を高めます。
• アイデンティティの一貫性ポーズガイド付きリファイナーと最初のフレームを視覚的なアンカーとして使用することで、累積誤差を減らし、長時間の動画におけるキャラクターのアイデンティティの長期的な一貫性を確保します。
• リップシンク生成された映像の登場人物の唇の動きが音声と高度に同期していることを確認し、映像全体の自然さを高める。
• 多様なキャラクター・スタイルバーチャルキャスター、オンライン教育、カスタマーサービスなど、さまざまなアプリケーションシナリオのニーズを満たすために、さまざまなスタイルのキャラクター生成をサポートします。

InfinityHumanの強み

• 厩舎ユニークな生成方法は、長時間の生成におけるエラーの蓄積を効果的に減らすことができるため、映像はプロセス全体を通して安定したままであり、映像の「崩壊」を避けることができる。
• 手の動きの最適化手の動きを自然で滑らかにする特殊な機構を採用し、声や表情と高度にシンクロさせることで、よりリアルなアバターコミュニケーションを実現。
• アイデンティティは正確なまま以下は、ビジュアル・アンカーと安定させるジェスチャー・シーケンスの助けを借りて、「顔が入れ替わる」ことなく、長時間にわたってキャラクターのアイデンティティが一貫したままであることを保証する方法の例である。
• リップ・シンクロと精度低解像度のモーションガイドとリファイナーを使用することで、唇の動きを音声に高度にマッチさせ、映像全体の自然さを高めています。
• リーディング・パフォーマンス多くの主要指標で既存技術を凌駕し、優れたビデオ生成品質を実証して業界を前進させます。
• 幅広い適応さまざまなシナリオに対応するために、複数のスタイルの役を生成することができ、強力な汎用性と柔軟性を備えています。

InfinityHumanの公式サイトとは？

• プロジェクトのウェブサイト:: https://infinityhuman.github.io/
• arXivテクニカルペーパー:: https://arxiv.org/pdf/2508.20210

InfinityHumanの対象者

• コンテンツクリエーター高品質のアバタービデオコンテンツを迅速に生成し、作成効率を向上させ、バーチャルアンカービデオや短編アニメーション映画などの制作に適しています。
• 教育者よりインタラクティブで魅力的なオンライン教育コースの開発に使用され、AI教師がより自然で生き生きとした方法で授業を行い、教育効果を向上させる。
• 映画・テレビ制作チームアニメーション映画やテレビシリーズなどの制作において、高品質なキャラクターアニメーションを素早く生成することができ、手作業による作画やポストプロダクションでの修復作業を軽減することができます。
• カスタマーサービス業界の実務家デジタル接客のイメージをより鮮明に接客現場に提供し、顧客と接客のコミュニケーションをより自然で人間的なものにし、顧客体験を向上させる。
• バーチャルソーシャルプラットフォーム開発者仮想現実（VR）や拡張現実（AR）の仮想社会シナリオにおいて、よりリアルで没入感のあるアバターとのインタラクション体験をユーザーに提供し、ユーザー間のコミュニケーションを強化する。