HuMo

模型简介

字节的人本视频模型，同时吃文本、参考图和音频，音画同步与主体身份保持是它的重点。

输出类型

生视频

架构

DiT（文本 + 参考图 + 音频三条件，17B）

参数量

17B

所属

HuMo

商用

可商用

许可

Apache-2.0

发布

2025-09-10

收录

2026-10-03