ACTalker

一句话生成逼真数字人视频，音频表情随心控

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数字人3D 🍴 复刻 56 🐛 待处理 10 👀 关注 45

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 467

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，本地部署，完全免费

项目预览

项目数据

分类数字人3D

开发团队harlanhong

官网地址https://harlanhong.github.io/publications/actalker/index.html

GitHubhttps://github.com/harlanhong/ACTalker

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型avatar,diffusion-models,digitalhuman,face-animation,multi-modal,stablevideodiffusion,talking-head

GitHub 星标★ 467

上线时间2025-03-20 00:00:00

代码更新2025-08-20

仓库体积128.2 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

ACTalker 是一个基于视频扩散模型的端到端说话头生成框架，由 ICCV 2025 论文提出。它解决的是传统说话头合成中控制信号单一、生成效果不自然的问题，支持音频、表情等多种信号单独或组合控制，实现高保真、可编辑的数字人视频生成。其核心能力包括：多信号融合控制、基于扩散模型的视频生成、以及端到端的训练与推理流程。项目提供 Python 实现，适合研究人员和开发者用于数字人、虚拟主播、影视制作等场景。

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 ★ 467

技术标签

avatar diffusion-models multi-modal talking-head

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。

难度：高级约 70 分钟部署方式：本地GPU 4 步

环境要求

Python
CUDA GPU
ffmpeg

安装与启动步骤

1装系统依赖

视频编码库要提前装。
```
sudo apt install ffmpeg libx264-dev
```
2拉代码跑安装脚本

仓库带一键安装。
```
bash install_actalker.sh
```
3验环境

用自检脚本确认关键组件都可用。
```
python test_environment.py
```

4跑推理

给参考图、音频与驱动视频。

CUDA_VISIBLE_DEVICES=0 python Inference.py --config config/inference.yaml --ref assets/ref.jpg --audio assets/audio.mp3 --video assets/video.mp4 --mode 2