NeRFFaceSpeech_Code

单张照片+语音，生成逼真3D说话头像

NeRFFaceSpeech_Code 是一个基于 NeRF（神经辐射场）的 3D 说话头生成开源项目，对应 CVPRW 2024 论文。它解决的是从单张人脸图片和一段音频驱动生成逼真 3D 说话头的问题，即 one-shot 音频驱动的 3D 说话头合成。核心能力包括：利用生成先验（如 3D GAN）来增强 NeRF 的泛化能力，在仅有单张参考图的情况下，也能生成具有自然唇形、表情和头部姿态的 3D 动态头像。项目提供完整的训练和推理代码，支持自定义音频和图片输入，输出视频或 3D 模型。技术栈以 Python 和 PyTorch 为主，适合研究数字人、虚拟形象生成、人机交互等领域。当前项目处于早期阶段，代码结构清晰，但依赖较多，需要一定的环境配置。