单图视频驱动技术，即只需一张静态照片和一段驱动视频，即可生成高质量、电影级的视频。
单图视频驱动技术，即只需一张静态照片和一段驱动视频，即可生成高质量、“电影级”的视频。
字节跳动智能创作团队推出最新单图视频驱动技术 X-Portrait 2，该模型不仅能保留原图的 ID，还能捕捉并迁移从细微到夸张的表情和情绪，简化了现有动作捕捉、角色动画和内容创作流程。
▲ 左一图为原图、左一图右下为驱动视频，左二图为 X-Portrait 2 效果
不同于以往依赖人脸关键点检测的单图驱动方法，X-Portrait 2 构建了一个表情编码器模型，通过一种端到端自监督训练框架，能够从大量人像视频中自学习 ID 无关的运动隐式表征。
▲ 左一为驱动视频截图，其他为生产效果
进一步将这个编码器与强大的生成式扩散模型相结合，即可生成流畅且富有表现力的视频。经过在大规模高质量表情视频上的训练，X-Portrait 2 在运动表现力和 ID 保持性方面显著优于先前技术。
AI在线附项目地址：https://byteaigc.github.io/X-Portrait2/