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 ★ 95
技术标签
核心亮点
- 采用自回归扩散模型，音频和视频联合生成，口型同步更自然
- 提供完整训练与推理代码，支持自定义数据集，便于二次开发
- 发表于 ACM MM 2026，算法有学术背书，技术路线较新
不足之处
- 项目处于早期，星标少，社区生态和文档完善度待观察
- 依赖大量计算资源，训练门槛较高，普通开发者难以快速上手
适用场景
- 虚拟主播和数字人视频制作，快速生成口播内容
- 视频翻译和配音，自动生成与目标语言匹配的说话视频
- 辅助沟通工具，为语言障碍者生成可视化语音
替代项目
SadTalker、Wav2Lip、GeneFace
上一篇：utsuwa
下一篇：XnneHangLab
同类项目推荐
NeuralLift-360
开源
一张照片，转出 360° 可旋转的 3D 模型
[CVPR 2023, Highlight] "NeuralLift-360: Lifting An In-the-wild 2D Photo to A 3D Obje···
dsh-voice-ai-girlfriend
开源
给 DeepSeek 装上会说话、能打断的语音女友
语音 AI 女友（Voice AI girlfriend for DeepSeek Harness）：Whisper 语音输入 + Qwen3-T···
aafactory-prototype
开源
一键生成并管理你的 AI 虚拟形象
⚡ AI Avatar Factory is an interface for creating and managing AI avatars. ⚡
Kiss3DGen
开源
用图像扩散模型直接生成3D资产，告别昂贵3D数据
[CVPR 2025] Official implementation of "Kiss3DGen: Repurposing Image Diffusion Model···
ICCV2023-MCNET
开源
用一张照片生成身份一致的说话头视频
The official code of our ICCV2023 work: Implicit Identity Representation Conditioned···
TripoSF
开源
从稀疏输入生成高分辨率、任意拓扑的 3D 模型
SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling
AvatarOptimizer
开源
不改原模型，一键把 VRChat 角色性能从 Poor 拉到 Good
AAO: Avatar Optimizer: Non Destructive Avatar Optimization Utilities
Magic123
开源
一张图，几秒钟生成高质量 3D 模型，几何纹理双保障。
[ICLR'24] Official PyTorch Implementation of Magic123: One Image to High-Quality 3D ···
GaussianCube
开源
把3D高斯塞进立方体，让生成模型直接吃，又快又稳
[NeurIPS 2024] GaussianCube: A Structured and Explicit Radiance Representation for 3···