omnitalker

输入文本和参考视频，实时生成风格一致的数字人说话视频

OmniTalker 是一个基于 NeurIPS 2025 论文实现的实时文本驱动说话头生成项目，采用 JavaScript 技术栈，核心能力是在音频-视觉风格复制的上下文中，根据文本实时生成具有个性化风格的数字人头部视频。它解决了传统数字人生成中风格迁移困难、实时性不足的问题，通过上下文学习实现音频和视觉风格的同步复制，使生成的口型、表情和头部动作与目标人物高度一致。项目提供完整的推理代码和预训练模型，支持自定义音频和参考视频，适用于虚拟主播、在线教育、影视制作等场景。作为早期项目，星标数已达 425，社区关注度较高，但文档和生态仍在完善中。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 426

维护状态低维护

是否开源是

定价模式 free

项目数据

分类数字人3D

开发团队HumanAIGC

所属国家

官网地址https://humanaigc.github.io/omnitalker

GitHubhttps://github.com/HumanAIGC/omnitalker

定价模式free

价格说明开源项目，可自行部署使用，无在线服务，全部功能免费。

访问状态

是否开源是

开源协议

主要语言JavaScript

技术栈/模型audio-visual,diffusion-transformer,real-time,talking-head

GitHub 星标★ 426

30天Star增速

HF 下载量

上线时间2025-03-31 00:00:00

最近更新2026-09-11 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

基于 NeurIPS 2025 论文，算法新颖，音频-视觉风格复制技术领先
支持实时生成，满足直播、交互等低延迟场景需求
提供预训练模型和推理代码，上手门槛较低

不足之处

早期项目，文档和社区生态待观察
JavaScript 技术栈在数字人领域相对小众，可能影响扩展性

适用场景

虚拟主播/数字人直播
在线教育课件生成
影视预演和游戏角色动画

替代项目

SadTalker、Wav2Lip、GeneFace

项目介绍

omnitalker 是数字人3D领域的开源项目，由 HumanAIGC 开发，2025 年首次发布。

它收录于数字人3D分类，该分类目前共有 272 个项目，GitHub 星标数为 426。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-11。可自行部署使用，无在线服务，全部功能免费。

它主要面向的使用场景是：虚拟主播/数字人直播。同类可对比的替代方案包括 SadTalker、Wav2Lip、GeneFace。

上一篇：awesome-avatar-plaza

下一篇：SyncTalk