InfiniteTalk:音訊驅動的全身影片配音

上傳源圖像和目標音訊。產生全身配音訊與影片,同步動作,同時保留原始身份、背景和攝像機運動。

關於

InfiniteTalk:語音驅動全身影片配音,將單張圖片和一段或多段音訊轉換為唇形同步的全身影片,同時保留原始人物、背景和鏡頭運動。流程核心為 WanInfiniteTalkToVideo,將載入的 Wan2.1 I2V 模型特徵與音訊嵌入融合,驅動身體與臉部動作。Step1 - 載入模型會準備 UNet 和 VAE(UNETLoader、VAELoader)用於圖像轉影片合成,並載入文字與音訊骨幹(CLIPLoader 搭配 CLIPTextEncode 處理鏡頭/場景提示,AudioEncoderLoader 搭配 AudioEncoderEncode 處理語音特徵)。你可透過 LoadImage 匯入起始畫格,然後在 MaskEditor 針對每位角色繪製遮罩,將動作區域限定於各說話者。

您提供的內容

  • 正在讀取工作流程

在 ComfyUI 中執行。 此工作流程無法在此頁面上執行。請在已載入所有內容的 Comfy Cloud 中開啟,或下載到您自己的 ComfyUI。

在 Cloud 中試用
輸出
範例
Courtyard reunion, two speakers

問答