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