《科创板日报》28日讯，字节跳动近日推出视频生成模型OmniHuman-1.5。据介绍，该模型架构将多模态大语言模型与扩散Transformer相结合，模拟两种不同的思维模式：缓慢深思的规划与迅捷直觉的反应。这种强效协同可生成时长超一分钟的动态视频 ，包含流畅的镜头运动、复杂的多角色互动及高度动态的动作表现。