标志点
AI 根据声音内容帮照片“对口型”，蚂蚁集团开源 EchoMimic 项目
蚂蚁集团 10 日开源了名为 EchoMimic 的新项目，其能够通过人像面部特征和音频来帮人物“对口型”，结合面部标志点和音频内容生成较为稳定、自然的视频。该项目具备较高的稳定性和自然度，通过融合音频和面部标志点（面部关键特征和结构，通常位于眼、鼻、嘴等位置）的特征，可生成更符合真实面部运动和表情变化的视频。其支持单独使用音频或面部标志点生成肖像视频，也支持将音频和人像照片相结合做出“对口型”一般的效果。据悉，其支持多语言（包含中文普通话、英语）及多风格，也可应对唱歌等场景。 AI在线附相关链接：项目地址： G
7/11/2024 4:48:41 PM
清源
- 1
资讯热榜
DeepSeek开源多模态模型Janus-Pro的ComfyUI使用教程，文中附模型和工作流下载
DeepSeek + IDEA！辅助编程太强了！
DeepSeek日活用户数突破2000万，增长势头远超ChatGPT
不到140块！李飞飞团队超低成本复刻DeepSeek R1推理！16张H100只训练了26分钟，与R1训练方法不同！
冲击DeepSeek R1，谷歌发布新一代Gemini全型号刷榜，编程、物理模拟能力炸裂
训练1000样本就能超越o1，李飞飞等人画出AI扩展新曲线
爆肝48小时！学会这8招，让DeepSeek变得超好用！
谷歌 Gemini 2.0 Flash 系列 AI 模型登场，编程和推理性能迈上新台阶
标签云
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
谷歌
智能
Midjourney
大模型
学习
GPT
用户
AI创作
微软
DeepSeek
图像
开源
Meta
技术
AI
论文
Stable Diffusion
生成式
算法
蛋白质
马斯克
芯片
Gemini
计算
神经网络
代码
AI设计
Sora
研究
腾讯
3D
开发者
GPU
场景
伟达
英伟达
预测
模态
华为
机器学习
Transformer
文本
驾驶
模型
神器推荐
深度学习
AI视频
AI for Science
干货合集
苹果
搜索
LLaMA
视频生成
算力
2024
Copilot
百度
科技
应用
特斯拉
AI应用场景
Anthropic
安全
具身智能
写作
机器
字节跳动
AGI
视觉
语音
DeepMind
架构
亚马逊