项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1629
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- 已安装 Python 环境（项目为 Python 实现）
- PyTorch >= 2.0.0
- 可访问 GitHub、Huggingface 或 ModelScope 下载代码与模型权重
- 磁盘/显存需容纳 Wan2.1-I2V-14B-720P 基座模型与 Wav2Vec 模型
安装与启动步骤
-
1克隆项目仓库
从 GitHub 拉取 fantasy-talking 源码并进入项目目录，注意网络能否访问 GitHub。
git clone https://github.com/Fantasy-AMAP/fantasy-talking.git cd fantasy-talking -
2安装项目依赖
按 requirements.txt 安装全部 Python 依赖，安装前请确认 torch 版本不低于 2.0.0。
pip install -r requirements.txt -
3可选安装 flash_attn
README 标注为可选步骤，用于加速注意力计算；安装失败不影响基础依赖使用。
pip install flash_attn -
4下载模型权重
需下载 Wan2.1-I2V-14B-720P 基座模型和 Wav2Vec 模型，README 仅提供 Huggingface/ModelScope 下载链接，按表格中的链接自行下载并放置。
如何确认成功
README 节选未给出启动或推理命令，无法直接验证；建议按仓库 docs/tips.md 用户指南与官网说明进一步确认运行方式。
常见问题
Q：需要安装 flash_attn 吗？
A：不是必需。README 中写明它是可选项，仅用于加速注意力计算，安装失败或环境不兼容时可跳过。
Q：模型权重从哪里下载？
A：README 表格提供了 Huggingface 与 ModelScope 两种镜像：Wan2.1-I2V-14B-720P 基座模型和 Wav2Vec（facebook/wav2vec2-base-960h）。
Q：安装或运行遇到问题怎么办？
A：项目于 2025 年 7 月发布了用户指南 docs/tips.md，用于解决社区反馈的常见问题，可优先查阅。
Q：可以在 ComfyUI 中使用吗？
A：可以，该项目已合并到 ComfyUI-WanVideoWrapper（kijai 维护），可通过 ComfyUI 调用。
注意事项
- README 要求 torch >= 2.0.0，请提前升级 PyTorch。
- Wan2.1-I2V-14B-720P 为 14B 参数模型，下载与运行对磁盘和显存要求较高。
- README 节选未包含推理/训练运行命令，实际启动方式请以仓库 docs 及官网为准。
- 项目仍在成长阶段，文档和生态持续完善中，建议关注仓库更新。
核心亮点
- 提出连贯运动合成机制，显著提升头部运动与表情的协调性
- 基于 3D 建模，生成的人像具有更好的几何一致性和真实感
- 支持从单图或视频输入，适用性强，且推理速度较快
不足之处
- 文档/社区待观察
- 对训练数据质量要求较高，低质量输入可能影响效果
适用场景
- 虚拟主播和数字人直播
- 在线教育中的虚拟教师
- 影视预演和游戏角色动画
替代项目
SadTalker、Wav2Lip、MetaHuman
上一篇：Speech2Video
下一篇：ScanTalk
同类项目推荐
TripoSG
开源
输入图片或文字，秒级生成高保真 3D 模型
TripoSG: High-Fidelity 3D Shape Synthesis using Large-Scale Rectified Flow Models
AI-Waifu-Vtuber
开源
让二次元角色替你在直播中实时聊天互动
AI Vtuber for Streaming on Youtube/Twitch
PhysX-3D
开源
生成能真实物理交互的3D资产，让数字人动起来更自然
PhysX: Physical-Grounded 3D Asset Generation (NeurIPS 2025, Spotlight)
WorldGen
开源
输入一句话，几秒生成完整 3D 场景，无需建模基础。
WorldGen - Generate Any 3D Scene in Seconds
Blend_My_NFTs
开源
用 Blender 批量生成数千个 3D 变体，一键搞定 NFT 系列
Easily generate thousands of 3D models, images, and animation automatically in Blend···
image-to-3dlab
开源
本地把图片文字变成带骨骼的游戏 3D 模型
AssetFurnace: the most complete open-source image-to-3D pipeline (Oct 2026). Prompt ···
character-policy
开源
让数字人说话时全身动作跟着语音走
character-policy: Official Benchmark & Codebase for Multimodal 3D Character & Holist···
SUPRA-Tex
开源
一句话生成带对齐纹理和PBR材质的3D模型
SUPRA-Tex: 3D Generation with Super-Aligned Texture
latent-pose-reenactment
开源
用一张照片驱动任意头部视频，生成逼真数字人动画
The authors' implementation of the "Neural Head Reenactment with Latent Pose Descrip···