Audio2Head
输入一张照片和语音，生成头部自然晃动的说话视频
项目预览
项目数据
项目介绍
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 ★ 351
技术标签
核心亮点
- 提出音频到头部运动的显式映射，头部运动自然度优于同期方法
- 支持 one-shot 推理，仅需单张参考图即可生成视频
- 代码开源，包含训练和推理流程，便于学术复现
不足之处
- 生成视频分辨率较低，细节清晰度有限
- 对极端姿态和遮挡鲁棒性不足
- 文档/社区待观察
适用场景
- 数字人视频生成（新闻播报、虚拟主播）
- 影视预演和动画制作中的口型同步
- 人机交互中的虚拟形象驱动
替代项目
Wav2Lip、MakeItTalk、SadTalker
同类项目推荐
SOMA-X
开源
一套API统一所有人体模型，告别格式混乱
SOMA: Unifying Parametric Human Body Models
Hunyuan3D-2.1
开源
一张图，秒出带PBR材质的3D模型，直接进生产管线
From Images to High-Fidelity 3D Assets with Production-Ready PBR Material
Crystal.TTVS
开源
让语音合成拥有3D表情，实时生成会说话的数字人
Crystal TTVS engine is a real-time audio-visual Multilingual speech synthesizer with···
AvatarCLIP
开源
输入一句话，自动生成并驱动3D虚拟人
[SIGGRAPH 2022 Journal Track] AvatarCLIP: Zero-Shot Text-Driven Generation and Anima···
LiveTalking
开源
让数字人边听边说，口型跟得上，直播聊天不冷场
Real time interactive streaming digital human
TripoSG
开源
输入图片或文字，秒级生成高保真 3D 模型
TripoSG: High-Fidelity 3D Shape Synthesis using Large-Scale Rectified Flow Models
LIHQ
开源
输入文字和形象，一键生成口型同步的高质量数字人演讲视频
Long-Inference, High Quality Synthetic Speaker (AI avatar/ AI presenter)
talking-avatar-with-ai
开源
让网页里的虚拟形象开口说话，还能听懂你
This project is a digital human that can talk and listen to you. It uses OpenAI's GP···
ldraw-nova
开源
用 AI Agent 自动拼出合法可搭的乐高数字模型
Agent tooling for generative LEGO models building, built with Astra and Opus 5.5, po···