7 月 11 日消息，螞蟻集團 10 日開源了名為 EchoMimic 的新項目，其能夠通過人像面部特征和音頻來幫人物“對口型”，結合面部標志點和音頻內容生成較為穩定、自然的視頻。

該項目具備較高的穩定性和自然度，通過融合音頻和面部標志點（面部關鍵特征和結構，通常位于眼、鼻、嘴等位置）的特征，可生成更符合真實面部運動和表情變化的視頻。

其支持單獨使用音頻或面部標志點生成肖像視頻，也支持將音頻和人像照片相結合做出“對口型”一般的效果。據悉，其支持多語言（包含中文普通話、英語）及多風格，也可應對唱歌等場景。

附相關鏈接：

項目地址：https://badtobest.github.io/echomimic.html Github：https://github.com/BadToBest/EchoMimic