跳到正文

FLOAT

基于流匹配的音频驱动人像视频生成

访问官网

FLOAT 是什么

FLOAT 被介绍为一种音频驱动的人像视频生成方法,把流匹配生成转移到学习到的运动潜在空间,以获得时间上一致的运动设计。

你可以用它做什么

  • 用一张图像和音频合成说话人像
  • 把人像编码为身份-运动潜在表示
  • 应用语音驱动的情感标签

上手流程

  • 访问项目页面并下载代码
  • 准备单个人像图像与驱动音频
  • 配置音频条件与情感标签
  • 运行模型生成说话人像运动潜在

优点与缺点

✓ 我们认可的地方

  • 输入为单个人像图像与驱动音频
  • 逐帧条件机制被描述为简单有效

! 需要留意的地方

  • 流程中包含运动潜在自编码器
  • 表现性运动由情感标签驱动

常见问题

需要哪些输入?

步骤写明单个人像图像和相应的驱动音频。

流匹配用于什么?

资料说明它生成音频条件的说话人像运动潜在。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法