Audio2Face-3D 移植 Apple Silicon，本地驱动 3D 表情

ivan_digital · reddit · 2026-07-05

开发者将 NVIDIA 的 Audio2Face-3D（由语音驱动 3D 面部动画）模型移植到 Apple Silicon 本地运行，作为开源(Apache 2.0)speech-swift 包的一部分。前向传播用手写 MLX 计算图实现，无需 ONNX runtime；输入 WAV 即输出带时间戳的面部动画系数，支持情绪调节，已发布 James/Claire/Mark 三个 MLX 模型。同包还提供本地 TTS 与声音克隆，可在 Mac 上离线完成“文本→克隆语音→面部动作”全流程。