JoyVASA是京东健康国际公司开源的音频驱动的数字人头项目，基于扩散模型技术，根据音频信号生成与音频同步的面部动态和头部运动。JoyVASA能实现人物的唇形同步和表情控制，还扩展到动物头像的动画生成，在多语种支持和跨物种动画化方面具有广泛的应用潜力。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
JoyVASA – 京东健康开源的音频驱动的数字人头项目
猜你喜欢
-
发布了文章 1分钟前
Llama 3.3 – Meta AI推出的纯文本语言模型
Llama 3.3是Meta AI推出的70B 参数模型，大型多语言预训练语言模型，性能与40B参数的Llama 3.1相当。模型专为多语言对话优化，支持英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语。...
-
发布了文章 1分钟前
Llama 3.2 – Meta推出的中小型视觉语言模型和轻量级文本模型
Llama 3.2是Meta公司最新推出的开源AI大模型系列，包括小型和中型视觉语言模型（11B和90B参数）以及轻量级纯文本模型（1B和3B参数）。Llama 3.2模型专为边缘设备和移动设备设计，支持128K令牌的上下文...
-
发布了文章 4分钟前
Llama 3 – Meta开源推出的新一代大语言模型
Llama 3是Meta公司最新开源推出的新一代大型语言模型（LLM），包含8B和70B两种参数规模的模型，标志着开源人工智能领域的又一重大进步。作为Llama系列的第三代产品，Llama 3不仅继承了前代模型的强大功能，还...
-
发布了文章 8分钟前
LivePortrait – 快手推出的开源人像动画生成框架
LivePortrait是快手推出的开源人像动画生成框架，专注于高效、可控地将驱动视频的表情和姿态迁移至静态或动态人像，创造出富有表现力的视频。该技术通过隐式关键点框架实现，利用大规模高质量训练数据和混合训练策略，提升了模型...
-
发布了文章 10分钟前
LiveKit Agents – 创建实时与用户互动的多模态AI代理框架
LiveKit Agents 是一个强大的框架，用于创建能实时通过语音、视频和数据与用户互动的多模态AI代理。框架支持 Python 编程，简化开发过程，支持开发者轻松集成语音识别、语音合成和先进的语言模型。...
-
发布了文章 13分钟前
LiveCC – 字节联合新加坡国立大学开源的实时视频解说模型
LiveCC 是新加坡国立大学Show Lab 团队联合字节跳动推出的实时视频解说模型，基于自动语音识别（ASR）字幕进行大规模训练。LiveCC像专业解说员一样快速分析视频内容，同步生成自然流畅的语音或文字解说。...
-
发布了文章 15分钟前
LitServe – 基于FastAPI的高性能AI模型部署引擎
LitServe是基于FastAPI的高性能AI模型部署引擎，专为企业级AI服务设计。支持批处理、流式处理和GPU自动扩展，简化了模型部署流程。...
-
发布了文章 18分钟前
Liquid – 华中科技、字节、港大联合推出的统一多模态生成框架
Liquid是华中科技大学、字节跳动和香港大学联合推出的极简统一多模态生成框架。基于VQGAN将图像编码为离散的视觉token，与文本token共享同一词汇空间，让大型语言模型（LLM）无需修改结构实现视觉生成与理解。...
全部评论
留言在赶来的路上...
发表评论