单图加录音生成锁身份说话视频

DaLyon92x · reddit · 2026-07-10

帖子展示了一套“单张照片 + 自己的录音”生成身份锁定说话视频的工作流，强调不会做传统换脸或驱动视频。作者说明可以把自己的语音录音冻结进音频 latent，让音视频联合去噪生成与录音一致的口型和声音，并给出了 CUDA 与 Apple Silicon 的工作流、示例和仓库。