ByteDance Menggebrak Dunia AI dengan OmniHuman: Hampir nyaris sempurna

Untuk menunjukkan kehebatan teknologi ini, para peneliti dari ByteDance membuat beberapa video yang menampilkan tokoh-tokoh terkenal dunia, seperti Albert Einstein dan CEO Nvidia, Jensen Huang. Dalam video-video tersebut, tokoh-tokoh ini terlihat berbicara dan bernyanyi dengan gerakan tubuh yang sangat alami, bahkan gerakan tangan mereka pun terlihat begitu hidup. OmniHuman-1 juga mampu menghasilkan video dengan berbagai macam rasio aspek, mulai dari potret, setengah badan, hingga seluruh badan. Tidak hanya itu, teknologi ini juga bisa digunakan untuk membuat animasi kartun.

Melampaui Batasan Teknologi yang Ada

Dilansir dari biometricupdate.com, ByteDance mengklaim bahwa teknologi OmniHuman-1 ini jauh lebih unggul dibandingkan teknologi serupa yang ada saat ini. Teknologi lain biasanya hanya mampu menghasilkan gerakan wajah atau tubuh bagian atas saja, sehingga penggunaannya sangat terbatas. OmniHuman-1 hadir sebagai solusi atas masalah ini. Teknologi ini mampu menciptakan video manusia yang sangat realistis hanya dengan input sinyal yang minim, terutama audio. Hal ini diungkapkan dalam makalah penelitian yang diterbitkan oleh ByteDance.

Para peneliti menjelaskan bahwa rahasia kehebatan OmniHuman terletak pada strategi training mereka. Strategi ini memungkinkan model AI untuk belajar dari berbagai macam data pengondisian campuran. Dengan begitu, masalah kekurangan data berkualitas tinggi yang sering dihadapi oleh pendekatan lain dapat teratasi.

Untuk melatih teknologi OmniHuman, para peneliti menggunakan lebih dari 18.000 jam data terkait manusia. Data ini terdiri dari teks, audio, dan gerakan tubuh. Dengan data yang begitu melimpah, OmniHuman mampu menghasilkan video manusia yang terlihat sangat alami.

Salah satu kunci keberhasilan OmniHuman adalah kemampuannya dalam menggabungkan berbagai macam masukan seperti teks, audio, dan pose, selama proses pelatihan. Hal ini memungkinkan model AI untuk mengurangi pemborosan data secara signifikan.

Sistem OmniHuman bekerja dengan cara menangani setiap jenis masukan secara terpisah. Detail gerakan dari deskripsi teks, gambar referensi, sinyal audio, dan data gerakan dipadatkan ke dalam format yang ringkas. Kemudian, data ini secara bertahap ditingkatkan menjadi sebuah video yang realistis. Proses pembuatan gerakan juga disempurnakan dengan membandingkan hasilnya dengan video nyata.

ByteDance memang dikenal sebagai perusahaan yang berinvestasi dalam pengembangan teknologi pembuatan video berbasis AI. Mereka bersaing dengan perusahaan-perusahaan teknologi raksasa lainnya, seperti Meta, Microsoft, dan Google DeepMind. Pada bulan Januari lalu, ByteDance bahkan merilis pembaruan untuk model AI Doubao mereka, yang diklaim mampu mengalahkan benchmark o1 milik OpenAI terhadap AIME.

Dengan hadirnya OmniHuman, masa depan video AI terlihat semakin cerah. Teknologi ini tidak hanya mampu menghasilkan video yang realistis, tetapi juga membuka berbagai macam peluang baru di berbagai bidang, seperti hiburan, pendidikan, dan komunikasi. Bayangkan saja, di masa depan, kita bisa melihat tokoh-tokoh terkenal berbicara dan berinteraksi dengan kita melalui video yang dibuat oleh AI. Atau, kita bisa membuat film dengan mudah, hanya dengan bermodalkan satu gambar dan beberapa baris teks.

Kesimpulan

OmniHuman adalah bukti nyata bahwa teknologi AI terus berkembang pesat. Inovasi ini tidak hanya mengubah cara kita melihat video, tetapi juga membuka jalan bagi berbagai macam kemungkinan baru yang sebelumnya tidak terbayangkan. Bagaimana menurut anda? Apakah anda akan menggunakkan teknologi seperti ini nantinya? (tmtiwow)