MultiTalk

收录理由

MultiTalk 能把多段独立音频合成一段多人对话的逼真视频，画面中几个人有来有回地交谈，系统会自行判断谁在听、谁在反应，而不是逐个生成单人说话再拼接。它也能处理唱歌、卡通形象，以及显式的互动控制，适用范围不限于普通对话。对于想做自动播客、配音流程或交互式虚拟角色演示的开发者和小团队，项目提供的 Hugging Face 模型权重能让他们从论文快速过渡到可运行的原型。如果已经在做单人说话头相关系统，这个项目也会是研究多人协调难题时不错的参考。