跳到正文

MEMO

音频驱动的说话视频开放权重模型

访问官网

MEMO 是什么

MEMO 被介绍为一个开放权重模型,用音频驱动生成身份一致且富有表情的说话视频。

你可以用它做什么

  • 由图像与音频生成说话视频
  • 在长片段中保持身份一致
  • 检测音频情感以细化表情
  • 在视频中偏移情感

应用场景

  • 用肖像与电影音频生成说话视频
  • 由肖像生成唱歌视频
  • 把雕塑图像与语音轨结合

优点与缺点

✓ 我们认可的地方

  • 资料列出肖像、雕塑、数字艺术与动画等图像风格
  • 资料列出语音、唱歌与说唱等音频类型

! 需要留意的地方

  • 需要同时准备音频文件与参考图像
  • 唇形同步需通过调整模型参数优化

常见问题

支持哪些语言?

资料列出英语、普通话、西班牙语、日语、韩语和粤语。

音频模块做什么?

资料说明它从音频中检测情感以细化面部表情。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法