模型
SadTalker
音频驱动的说话人头像生成模型，通过将音频特征映射到3D运动系数来驱动面部动画，可生成具有自然口型和表情的数字人视频
时间轴 (近 90 天)
10月1日
Wav2Lip、SadTalker 等专门针对唇形同步优化的模型大幅提升了自然度和稳定性
待验证50%
9月16日
对口型（lip-sync）需要额外的驱动网络（如SadTalker、Wav2Lip）将音频波形与人脸关键点动画对齐，比单纯语音合成复杂
待验证50%
音频驱动的说话人头像生成模型，通过将音频特征映射到3D运动系数来驱动面部动画，可生成具有自然口型和表情的数字人视频
Wav2Lip、SadTalker 等专门针对唇形同步优化的模型大幅提升了自然度和稳定性
对口型（lip-sync）需要额外的驱动网络（如SadTalker、Wav2Lip）将音频波形与人脸关键点动画对齐，比单纯语音合成复杂