Text2Video

输入文字,自动生成口型同步的说话人视频。

Text2Video 是一个基于 ICASSP 2022 论文的开源项目,实现文本驱动的说话人视频合成。它通过音素字典将输入文本转换为语音,并驱动人物头像生成与语音同步的说话视频。项目核心是结合语音合成、GAN 和面部动画技术,解决传统数字人视频制作成本高、口型同步难的问题。其技术栈涵盖生成式 AI、深度学习、语音合成等,适用于数字人、元宇宙、虚拟主播等场景。项目提供完整的训练和推理流程,支持自定义人物形象,但需要一定的深度学习基础才能部署。

开源 unknown 视频生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 438
维护状态 低维护
是否开源
定价模式 unknown

项目数据

分类视频生成
开发团队michaelzhang-ai
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源
开源协议
主要语言Python
技术栈/模型aigc,avatar,deep-learning,digital-humanities,gan,generative-ai,icassp,metaverse,speech-synthesis,talking,talking-face-generation,talking-head,talking-heads,text-to-video,tts,vid2vid,video,virtual-humans
GitHub 星标★ 438
30天Star增速
HF 下载量
上线时间2021-04-05 00:00:00
最近更新2026-08-04 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4

使用教程

核心亮点

  • 基于学术论文实现,方法有理论支撑,口型同步效果有保障
  • 支持自定义人物形象,可生成个性化数字人视频
  • 代码结构清晰,包含训练和推理脚本,便于二次开发

不足之处

  • 项目较早期,文档和社区支持待观察
  • 依赖较多,环境配置可能复杂

适用场景

  • 数字人客服视频生成
  • 虚拟主播/新闻播报
  • 教育课件中教师形象动画

替代项目

Wav2Lip、SadTalker、MakeItTalk

项目介绍

Text2Video 是数字人3D领域的开源项目,由 michaelzhang-ai 开发,2021 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 438。

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 2026-08-04。从国内网络环境看,当前已无法正常访问。

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

上一篇:Matrix-3D

下一篇:Director3D

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