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

资讯热榜

昆仑万维面向全球发布天工超级智能体Skywork Super Agents 超多案例！让 Lovart 作图更好看更高效的提示词在这里了！昆仑万维天工超级智能体发布！AI Office革命来袭，Deep Research碾压OpenAI，成本仅40%！ Flowith NEO发布！全球首款无限步骤、上下文与工具的AI Agent 谷歌发布Flow AI剪辑工具：Veo3 与Imagen4 驱动、镜头控制与场景扩展告别“单打独斗”！AI 协作新范式 MoA，如何集结大模型“梦之队”？字节跳动开源多模态模型 BAGEL：图文生成与编辑的新突破 OpenAI 计划在阿布扎比建造超大数据中心，规模远超摩纳哥

标签云

人工智能 AI OpenAI AIGC ChatGPT 模型 DeepSeek AI绘画机器人数据谷歌大模型 Midjourney 用户智能开源微软 GPT 学习 Meta 图像技术 AI创作 Gemini 论文马斯克 Stable Diffusion 算法代码芯片英伟达生成式蛋白质开发者腾讯 Anthropic 神经网络研究 3D 计算 Sora 机器学习 AI设计 AI for Science 生成苹果 GPU AI视频搜索场景华为百度训练人形机器人 Claude 预测伟达 xAI 深度学习 Transformer 大语言模型智能体字节跳动模态文本具身智能神器推荐 Copilot 驾驶 LLaMA 视觉 API 算力应用安全干货合集工具大型语言模型视频生成 Agent