VividTalk
V
Vividtalk
简介 :
VividTalk是一种一次性音频驱动的头像生成技术,基于3D混合先验。它能够生成具有表情丰富、自然头部姿态和唇同步的逼真说唱视频。该技术采用了两阶段通用框架,支持生成具有上述所有特性的高视觉质量的说唱视频。具体来说,在第一阶段,通过学习两种运动(非刚性表情运动和刚性头部运动),将音频映射到网格。对于表情运动,采用混合形状和顶点作为中间表示,以最大化模型的表征能力。对于自然头部运动,提出了一种新颖的可学习头部姿势码本,并采用两阶段训练机制。在第二阶段,提出了一个双分支运动VAE和一个生成器,将网格转换为密集运动,并逐帧合成高质量视频。大量实验证明,VividTalk能够生成具有唇同步和逼真增强的高视觉质量说唱视频,且在客观和主观比较中优于以往的最先进作品。该技术的代码将在发表后公开发布。
需求人群 :
VividTalk可用于创建逼真的说唱视频,支持不同风格的面部图像动画,适用于多种语言的说唱视频制作。
总访问量: 205.7K
占比最多地区: CN(31.09%)
本站浏览量 : 151.5K
使用场景
1. 使用VividTalk生成逼真的说唱视频,用于虚拟主持人的制作。
2. 利用VividTalk制作卡通风格的音频驱动头像生成视频。
3. 使用VividTalk进行多语言音频驱动的头像生成视频制作。
产品特色
生成逼真、唇同步的说唱视频
支持不同风格的面部图像动画,如人类、写实和卡通
根据不同的音频信号创建说唱视频
比较VividTalk与最先进的方法在唇同步、头部姿态自然性、身份保留和视频质量方面的差异
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase