论文: InfiniteTalk: Audio-driven Video Generation for Sparse-Frame Video Dubbing (arXiv:2508.14033) 代码: https://github.com/MeiGen-AI/InfiniteTalk 团队: 美团 MeGen-AI / 中科院自动化所 / 中山大学 / 港科大 许可证: Apache 2.0
一、项目介绍
1.1 这是什么？
InfiniteTalk 是一个音频驱动的说话视频生成模型，给定一张参考图像（或一段参考视频）和一条音频轨道，它能合成出无限时长的人物说话视频——不仅嘴唇动作与音频同步，头部运动、面部表情、身体姿态都会随语音自然变化。
与传统的视频配音（Video Dubbing）技术只编辑嘴部区域不同，InfiniteTalk 提出了稀疏帧视频配音（Sparse-Frame Video Dubbing） 的全新范式：
| 编辑区域 |
