HumanOmni简介
HumanOmni是由HumanMLLM团队开发的开源多模态大模型，专注于人类视频分析。作为业界首个以人为中心的模型，它能同时处理视觉画面和音频信号，实现情感识别、动作理解等复杂任务。
List of Core Features
- 情感识别系统：通过面部微表情和语音语调分析情绪状态
- 三维动作解析：精确描述肢体动作如”挥手”或”行走”
- 智能语音处理：支持语音转文字及语调情感分析
- 动态融合技术：根据场景自动调整面部/身体/互动分支的权重
- 开放式架构：提供完整代码和训练框架支持二次开发
Technical Highlights
该模型通过240万视频片段预训练，并采用5万人工标注数据进行微调。其创新的动态分支系统能智能识别视频重点，比如在对话场景中增强面部分析权重，在运动场景侧重身体动作解析。
This answer comes from the articleHumanOmni: a multimodal macromodel for analyzing human video emotions and actionsThe
May not be reproduced without permission:AI productivity tools " 什么是HumanOmni？它的核心功能有哪些？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil