MultiTalk:一段音频加一张图生成多人口型对话视频,GitHub 3000 star
solyarisoftware · x · 2026-10-24
开源项目 MultiTalk 可根据多路音频加一张参考图,直接生成同一画面里多人对话的视频,口型与音频对齐,提示词还能控制人物互动方式,也支持卡通角色与唱歌视频,论文入选 NeurIPS 2025,GitHub 已有 3k star、500 fork。
- 门槛:480p 单张 RTX 4090 可生成;社区 Wan2GP 版最低 8GB 显存可跑,已接入 ComfyUI 与 Google Colab
- 同团队后续推出 InfiniteTalk 与 LongCat-Video-Avatar 系列,最新 1.5 版把推理压缩到 8 步
- 使用提醒:生成真人说话视频需先取得对应人脸/声音的授权
「多模态」频道最新
- Just Eat AI 菜单图翻车：虎虾变虎崽，烤土豆变土豆外套 — aakashgupta · 2026-10-24
- MOSS 出图实战指南:Lora、采样器与 SLG 参数调优全攻略 — mikemend · 2026-10-24
- AI 生成奇幻生物图：星云耳朵小兽刷屏美术圈 — LudovicCreator · 2026-10-24
- 39 张图训练 40 分钟:LoRA 让 MOSS-Image 直出真透明 PNG — gatortux · 2026-10-24
- 开发者用 Sol 6.1 生成游戏地形与道具,自称「正在大杀四方」 — Dimillian · 2026-10-24
- Seedance 2.5 让 AI 网红一次生成 30 秒不崩脸舞蹈视频 — aftahi_ai · 2026-10-24