针对跨具身视频生成中运动动态可迁移而外观形态具身特定的挑战，OmniHumanoid框架提出了一种分解式方法。它首先在多具身的配对视频上学习共享运动迁移模型，随后仅需非配对视频，通过轻量级适配器即可适应新机器人形态。其核心创新是分支隔离注意力机制，有效分离运动条件与具身调制以减少干扰。该研究还构建了包含多样人形资产与场景的合成数据集。实验表明，该方法在合成与真实基准上均能保持高运动保真度与具身一致性，且无需重新训练核心模型即可扩展至未见过的具身，突破了现有方法对配对数据的依赖与可扩展性限制。