静态图转视频

基于扩散模型的音频驱动表达性头部生成开源框架，可将静态人物照片结合音频输入，生成人物自然说话、表情同步匹配的逼真视频，支持自定义图像与音频素材，助力开发者快速实现数字人相关功能开发与技术验证，适合AI数字内容生成方向研究学习。