EchoMimic：根据声音和面部特征生成逼真照片“对口型”肖像动画

蚂蚁集团最近推出了一个名为EchoMimic的新技术项目，该技术能够结合音频和面部特征生成逼真的配嘴型视频。这一技术通过整合面部标志点（眼睛、鼻子、嘴巴等位置的关键特征）和音频信息，创造出既稳定又自然的视频效果。EchoMimic不仅支持多种语言和风格，还能应对如唱歌等不同场景。

EchoMimic的独特之处在于它的高稳定性和自然度。该技术能够精准捕捉细微的面部运动和表情变化，如嘴角微笑和眼神转动，从而生成高度逼真的动画效果。此外，EchoMimic支持独立使用音频或面部标志点来生成视频，或者结合二者生成配嘴型效果。