本站5月28日消息，騰訊混元發(fā)布語音數(shù)字人模型HunyuanVideo-Avatar。僅需一張圖和一段音頻，就能讓圖中的主角自然的說話、唱歌。
據(jù)悉，HunyuanVideo-Avatar由騰訊混元視頻大模型及騰訊音樂天琴實驗室MuseV技術聯(lián)合研發(fā)。
該模型支持頭肩、半身與全身景別，以及多風格、多物種與雙人場景，面向視頻創(chuàng)作者提供高一致性、高動態(tài)性的視頻生成能力。
用戶上傳人物圖像與音頻，HunyuanVideo-Avatar模型就會自動理解圖片與音頻。讓圖中人物自然地說話或唱歌，生成包含自然表情、唇形同步及全身動作的視頻。
當用戶輸入一張拿著吉他的坐在沙灘的女性圖片和一段抒情音樂。
模型會自行理解“她在海邊彈吉他，唱著非常抒情的歌曲”，并生成一段圖中人物在彈唱的視頻。
目前，HunyuanVideo-Avatar適用于短視頻創(chuàng)作、電商與廣告等多種應用場景。
可以生成人物在不同場景下的說話、對話、表演等片段，快速制作產(chǎn)品介紹視頻或多人互動廣告，降低制作成本。
據(jù)介紹，HunyuanVideo-Avatar的單主體能力已經(jīng)開源，并在騰訊混元官網(wǎng)上線，目前支持上傳不超過14秒的音頻進行視頻生成，后續(xù)將逐步上線和開源其他能力。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。
