1张照片 + 一段录音 = 能说话的视频！（AniTalker）

想象一下，你有一张好友的照片，突然间，这张照片里的人开始对你说话，表情丰富，就像真人一样。

这听起来像是科幻电影中的场景，但现在这已经成为现实。又有开源的AI模型能做到一段录音+一张照片=一个能说话的视频了

什么是AniTalker？

AniTalker它不仅仅关注嘴唇同步这样的口型动作，还能捕捉到面部表情和头部动作等非语言提示的复杂动态。这意味着，AniTalker生成的视频不仅嘴型准确，而且表情自然，动作流畅。

AniTalker如何工作？

AniTalker使用了一种称为“通用运动表示”的技术。通过自监督学习策略，AniTalker能够学习和重建目标视频帧中的微妙运动表现，同时通过度量学习发展一个身份编码器，有效地将身份信息和运动信息分离。这样做的好处是，生成的动画不会包含特定个体的身份信息，使得动画更加多样化和可控制。

项目地址：

https://x-lance.github.io/AniTalker/