IXThinker·2026-06-17 20:00

開源音頻驅動影片框架支持多風格化身

內地互聯網企業開源新版音頻驅動影片生成框架，僅需一張靜態參考圖與一段音頻即可生成口型精準同步的動態影片；同期另一個百萬級圖表理解數據集亦發布，補強多模態能力。

一圖一音頻生成影片

框架採用語音特徵提取模組配合蒸餾技術，把生成過程壓縮至八步，在保持高保真畫質的同時支持長影片輸出，兼顧生成效率與畫面精度。