EchoMimicV2是由支付寶螞蟻集團終端技術部研發的半身人體動畫技術，它通過參考圖像、音頻剪輯和一系列手勢來生成高質量的動畫視頻，確保音頻內容與半身動作的連貫性。這項技術簡化了以往復雜的動畫製作流程，通過Audio-Pose動態協調策略，包括姿態採樣和音頻擴散，增強了半身細節、面部和手勢的表現力，同時減少了條件冗餘。此外，它還利用頭部部分注意力機制將頭像數據無縫整合到訓練框架中，這一機制在推理過程中可以省略，為動畫製作提供了便利。EchoMimicV2還設計了特定階段的去噪損失，以指導動畫在特定階段的運動、細節和低級質量。該技術在定量和定性評估中均超越了現有方法，展現了其在半身人體動畫領域的領先地位。