hallo2

收录理由

对着单张人像照片和一段音频，就能生成说话视频，这是Hallo2最直接的价值。它让静态面孔随着语音动起来，表情和头部姿态保持自然，身份特征也不会跑偏。真正少见的是，它不满足于几秒钟的短视频——官方演示里有23分钟、4K分辨率的完整演讲片段，这种长时程的稳定性，多数演示级项目根本不会去碰。仓库提供了完整的推理脚本，预训练权重挂在Hugging Face上，你只需要准备一张正面裁剪的肖像和英文WAV文件，就能跑出成片，不用自己训练模型。对做配音、数字人或者讲座类内容的人来说，这是个很实用的起点。当然，它要求英文音频和A100级别的显卡，门槛不算低。但代码和权重都开源，想自己搭建人像动画管线的团队，拿它当基线也相当顺手。