跳到正文

JoyHallo

面向普通话视频生成的数字人模型

访问官网

JoyHallo 是什么

JoyHallo 被介绍为一个专为普通话视频生成设计的数字人模型,基于京东健康国际有限公司员工 29 小时普通话视频构建的 jdh-Hallo 数据集。数据集覆盖不同年龄和说话风格,包括对话与专业医疗话题,模型采用中国 wav2vec2 模型做音频特征嵌入,资料称推理速度加快了 14.3%。

你可以用它做什么

  • 根据音频生成相应的视频内容
  • 针对普通话的复杂唇部运动做优化
  • 生成英语和普通话视频
  • 用半解耦结构捕捉唇部、表情与姿态特征的相互关系

应用场景

  • 生成教育视频辅助语言学习
  • 在医疗领域生成专业医疗教育视频
  • 生成娱乐视频,增加内容创作的多样性

上手流程

  • 访问 JoyHallo 官方网站
  • 阅读产品介绍和功能说明
  • 下载并安装所需的软件或插件
  • 导入或录制音频文件,准备生成视频

优点与缺点

✓ 我们认可的地方

  • jdh-Hallo 数据集覆盖不同年龄与说话风格
  • 半解耦结构关联唇部、表情与姿态特征

! 需要留意的地方

  • 模型围绕普通话视频生成设计
  • 音频特征嵌入依赖中国 wav2vec2 模型

常见问题

模型基于什么数据?

资料列出由京东健康国际有限公司员工 29 小时普通话视频构建的 jdh-Hallo 数据集。

能生成英语视频吗?

功能列表说明同时支持英语和普通话视频生成。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法