Kandinsky 发布开源 S2V 模型:2B/21B 双档,语音驱动全身数字人
Crazy-Repeat-2006 · reddit · 2026-11-05
Kandinsky 团队发布 Kandinsky S2V 1.0，一个语音驱动数字人视频生成模型：输入一张参考帧和一段语音，输出与语音匹配的全身人物动画——不只是头部，整个身体都会动。语音是条件输入，模型本身不生成声音，只是让参考帧中的人物动作贴合给定语音。
权重已在 Hugging Face 开源，分两档：Lite 2B（另有蒸馏版 Lite-distill）和 Pro 21.4B。项目页：kandinskyavatar.github.io。
「多模态」频道最新
- Viggle Remake 开源发布：AI 角色套用爆款视频模板，720p 每十秒仅 0.96 美元 — ZabihullahAtal · 2026-11-05
- 开发者自研手写引擎:还原 1522 年至今各家笔迹,每个字母都不重样 — floguo · 2026-11-05
- RefMods 工作流实测:6GB 显存跑 MiniMax H3,锁定角色与声音一致性 — EzkaProductions · 2026-11-05
- Wan 2.2 打造魔兽风格 MV:《秃顶之王之怒》恶搞旧版暴雪预告片 — El_Perro_Gordo · 2026-11-05
- codevember 第 3 天：three.js「Melt」融化效果 demo — thespite · 2026-11-05
- AMD 7900 XTX 跑混元视频 1.5 T2V 出噪点图求助 — Fragrant-Throat7048 · 2026-11-05