蚂蚁集团发布了开源项目 EchoMimic。据介绍，EchoMimic 不仅能根据人像面部特征和音频来帮人物对口型，还可以结合面部标志点和音频内容生成较为稳定、自然的视频。

GitHub：https://github.com/BadToBest/EchoMimic

EchoMimic 具备较高的稳定性和自然度，通过融合音频和面部标志点（面部关键特征和结构，通常位于眼、鼻、嘴等位置）的特征，可生成更符合真实面部运动和表情变化的视频。

其支持单独使用音频或面部标志点生成肖像视频，也支持将音频和人像照片相结合做出“对口型”一般的效果。

下图是 EchoMimic 的工作原理：

EchoMimic 支持多语言（包含中文普通话、英语）及多风格，也可应对唱歌等场景。

访问主页查看更多示例：https://badtobest.github.io/echomimic.html