Audio2Head

输入一张照片和语音，生成头部自然晃动的说话视频

Audio2Head 是一个基于 IJCAI 2021 论文的音频驱动说话头生成项目，专注于实现一次性（one-shot）的头部自然运动合成。它解决了传统说话头生成中头部运动僵硬、与语音不同步的问题，通过输入单张人脸图像和一段音频，即可生成具有自然头部姿态和口型同步的动态视频。核心能力包括：利用音频特征驱动头部运动，生成连贯的头部旋转和表情变化，同时保持身份一致性。项目采用 Python 实现，提供了完整的训练和推理代码，适合研究人员和开发者进行二次开发。尽管星标数不高，但作为学术原型，其方法在后续研究中被广泛引用，对数字人领域有重要参考价值。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 351

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wangsuzhen

所属国家

官网地址

GitHubhttps://github.com/wangsuzhen/Audio2Head

定价模式free

价格说明开源项目，代码公开，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型codes,ijcai2021,multi-modal,paper,talking-face,talking-head

GitHub 星标★ 351

30天Star增速

HF 下载量

上线时间2021-10-21 00:00:00

最近更新2026-08-20 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8

使用教程

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

项目介绍

Audio2Head 是数字人3D领域的开源项目，由 wangsuzhen 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 351。

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 2026-08-20。代码公开，可自行部署使用，无付费版本。

它主要面向的使用场景是：数字人视频生成（新闻播报、虚拟主播）。同类可对比的替代方案包括 Wav2Lip、MakeItTalk、SadTalker。

上一篇：OTAvatar

下一篇：IP_LAP