音频驱动人像视频模型：字节Loopy、CyberHost研究成果揭秘

字节跳动发布Loopy视频生成模型，通过一张图片和音频生成逼真肖像视频，捕捉微妙表情动作。Loopy采用Diffusion框架，实现音频与口型同步，生成自然表情动作。此外，推出CyberHost模型，实现纯音频驱动的手部动作生成，提升手部生成质量。Loopy具备多种风格适应能力，如古风、粘土等。
来源：https://mp.weixin.qq.com/s/sf_fmjDUOaQXD7BbovaY5A