ICCV2023-MCNET

基于隐式身份表示的说话头视频生成方法

MCNet talking head 视频生成深度学习计算机视觉 Github 开源项目

MCNet是一种新型说话头视频生成方法，在ICCV 2023上发表。该方法利用隐式身份表示和记忆补偿网络，生成高质量、自然的说话头视频。MCNet能够保持身份一致性，同时生成逼真、富有表现力的面部动画。项目开源了代码实现和预训练模型，为研究者提供了探索和应用的基础。

MelNet - MelNet音频频域生成模型的全面实现

GithubMelNetPythonTTS合成开源项目条件生成音频生成

MelNet项目提供了一个在音频频域中生成模型的实现，支持无条件与条件音频生成。该技术兼容多个数据集，包括Blizzard和VoxCeleb2，支持灵活的训练配置，同时实现多GPU训练与TTS合成，不断更新以支持更多音频处理功能。它为致力于音频生成技术研究的开发者和研究人员提供了有力工具。

video-retalking - 音频驱动的实时视频唇形同步编辑系统

AI技术GithubVideoReTalking人脸编辑唇形同步开源项目视频处理

VideoReTalking是一个创新系统，通过输入音频编辑真实世界说话人头视频的面部，生成高质量且唇形同步的输出视频。系统将任务分为三步：生成标准表情面部视频、实现音频驱动的唇形同步，以及增强面部真实感。整个过程采用基于机器学习的方法，无需人工干预即可自动完成。

CVPR23_LFDM - 潜在流扩散模型实现条件图像到视频生成

GithubLFDM图像到视频生成开源项目条件生成深度学习潜在流扩散模型

CVPR23_LFDM项目提出了一种基于潜在流扩散模型的条件图像到视频生成方法。该方法在MUG、MHAD和NATOPS数据集上展示了生成流畅自然的人脸表情和人体动作视频的能力。项目开源了预训练模型、演示代码和详细的模型训练流程，为计算机视觉研究提供了有价值的资源。

speech-driven-animation - 语音驱动的端到端面部动画合成模型

GithubSpeech-Driven Animation人脸合成开源项目深度学习视频动画语音驱动

Speech-Driven Animation是一个开源项目，实现语音驱动的端到端面部合成模型。该项目根据输入图像和音频生成面部动画视频，支持GRID、TIMIT和CREMA等预训练模型。通过API可输入自定义音频和图像，输出同步动画视频。项目还提供音频和视频编码器，可用于特征提取和分类任务。

talking-head-anime-demo - 从单张图片生成的动漫角色头部动画

GithubTalking Head Anime人工智能动画头部动画开源项目神经网络

该项目包含两个应用程序：手动操控器和动画师。手动操控器通过调整滑块为动漫角色摆姿势；动画师利用网络摄像头捕捉人类头部运动，并同步到动漫角色。项目需要高性能Nvidia GPU和特定的依赖项，支持在Google Colab上运行。用户也可以使用Anaconda重建Python环境，并下载所需模型和数据进行演示。

MocapNET - 基于RGB图像的3D人体姿态实时估计

3D姿态估计GithubMocapNETRGB图像Tensorflow实时性能开源项目

MocapNET项目通过2D关节估计，将单目RGB图像转换为3D人体姿态，实现实时估计。它采用NSRM表示法、新的人体方位分类器和复合神经网络，能够在显著遮挡情况下精确恢复人体姿态。通过逆运动学解算器，MocapNET显著提升了人体姿态估计的准确性。最新的MocapNET v4版本用Python重写，支持3D凝视和BVH面部配置检索，并提供一键Google Collab部署和Blender 3D编辑器插件。项目不断更新，旨在提高其对社区的实用性和可访问性。

ER-NeRF - 区域感知神经辐射场技术实现高保真说话人物肖像合成

ER-NeRFGithub人像合成开源项目深度学习神经辐射场计算机视觉

ER-NeRF项目开发了一种区域感知神经辐射场技术，用于生成高保真的说话人物肖像。这种方法通过区域化处理提升了渲染效率和质量，可以渲染头部和躯干。项目开源了预训练模型和使用指南，涵盖数据预处理、模型训练和推理等环节。ER-NeRF在说话人物肖像合成领域展现出优异性能，为相关研究提供了新的思路。

EDTalk - 高效解耦的情感说话头像合成框架

EDTalkGithub人脸动画开源项目情感说话头合成视频驱动音频驱动

EDTalk是一个创新的情感说话头像合成框架,实现了口型、头部姿势和情感表情的高效解耦。该框架通过三个轻量级模块将面部动态分解为独立的潜在空间,使用可学习的基向量定义特定动作。EDTalk采用正交基向量和高效训练策略确保各组件的独立性,并开发了音频到动作模块支持音频驱动的头像合成。这一技术在视频和音频输入下都能实现精确的情感说话头像生成。

HeadStudio - 文本生成3D可动画头像的开源项目

3D高斯散射GithubHeadStudio可动画化头像头像生成开源项目文本到头像

HeadStudio是一个基于3D高斯散射技术的开源项目，能够将文本描述转换为可动画的头像。该项目在生成静态和动态头像方面表现出色，具有良好的语义对齐、表情变形和实时渲染能力。与现有方法相比，HeadStudio生成的头像拥有较高的保真度和自然的动画效果，为虚拟人物创作提供了新的技术支持。

SadTalker - 将单张肖像图片与音频结合生成逼真的动态说话视频

AI动画GithubSadTalker人脸合成开源项目深度学习语音驱动

SadTalker是一个开源AI项目，可将单张肖像图片与音频结合生成逼真的动态说话视频。项目采用3D运动系数学习技术，实现音频驱动的单图像说话人脸动画。SadTalker支持全身图像生成和多种增强模式，并提供WebUI界面。该技术可应用于内容创作、虚拟主播等领域。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com