MoDA

一张照片加一段语音,生成口型同步的数字人视频

MoDA 是一个基于多模态扩散架构的说话头生成(Talking Head Generation)项目。它解决的是如何从单张静态人像和一段音频,生成自然、逼真、口型同步的动态视频的问题。核心能力在于其多模态扩散架构,能够融合音频特征和图像特征,生成高保真度的面部动画,包括口型、表情和头部姿态。项目采用 Python 实现,属于生成式模型和人类动画领域,技术栈涉及音频驱动的肖像动画。作为早期项目,它展示了在数字人、虚拟助手等应用中的潜力。

开源 free 视频生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 274
维护状态 低维护
是否开源
定价模式 free

项目数据

分类视频生成
开发团队lixinyyang
所属国家
定价模式free
价格说明开源项目,提供在线演示页面,可免费体验,无付费版本。
访问状态
是否开源
开源协议
主要语言Python
技术栈/模型audio-driven-portrait-animations,generative-model,human-animation,moda,talking-face-generation,talking-head,video-generation
GitHub 星标★ 274
30天Star增速
HF 下载量
上线时间2025-07-21 00:00:00
最近更新2026-09-08 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5

使用教程

核心亮点

  • 采用多模态扩散架构,音频与图像特征融合更自然
  • 生成的说话头视频口型同步精度高,表情丰富
  • 只需单张静态人像即可驱动,使用门槛低

不足之处

  • 项目处于早期阶段,文档和社区支持待观察
  • 可能对高分辨率视频生成支持有限

适用场景

  • 数字人客服和虚拟助手视频生成
  • 影视后期配音口型匹配
  • 在线教育虚拟讲师制作

替代项目

SadTalker、Wav2Lip、MakeItTalk

项目介绍

MoDA 是数字人3D领域的开源项目,由 lixinyyang 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 274。

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 2026-09-08。提供在线演示页面,可免费体验,无付费版本。从国内网络环境看,可直接访问。

它主要面向的使用场景是:数字人客服和虚拟助手视频生成。同类可对比的替代方案包括 SadTalker、Wav2Lip、MakeItTalk。

上一篇:EDTalk

下一篇:fantasy-talking2

同类项目推荐

A3D 开源

在 three.js 里直接调用 AI 生成纹理和素材,边建模边生成

3D x AI hybrid editor, built with three.js

★ 129 2026-08-09
cube 开源

用一句话生成 3D 模型,在 Roblox 里快速落地 AI 创作

Roblox Foundation Model for 3D Intelligence

★ 1254 2026-08-09
AG3D 开源

用2D图片直接生成3D虚拟人,告别昂贵扫描

Official code release for ICCV2023 paper AG3D: Learning to Generate 3D Avatars from ···

★ 273 2026-08-09
GameFactory-3A 开源

一条命令生成 3A 游戏资产,从模型到视频全自动

A comprehensive open-source 3A game-generation skill and asset framework.

★ 778 2026-08-21