腾讯混元开源语音数字人模型 HunyuanVideo-Avatar

腾讯混元宣布开源语音数字人模型HunyuanVideo-Avatar，由腾讯混元视频大模型（HunyuanVideo）及腾讯音乐天琴实验室MuseV技术联合研发，支持头肩、半身与全身景别，以及多风格、多物种与双人场景，面向视频创作者提供高一致性、高动态性的视频生成能力。

用户可上传人物图像与音频，HunyuanVideo-Avatar模型会自动理解图片与音频，比如人物所在环境、音频所蕴含的情感等，让图中人物自然地说话或唱歌，生成包含自然表情、唇形同步及全身动作的视频。

HunyuanVideo-Avatar适用于短视频创作、电商与广告等多种应用场景，可以生成人物在不同场景下的说话、对话、表演等片段，快速制作产品介绍视频或多人互动广告，降低制作成本。目前，该技术已应用于腾讯音乐听歌陪伴、长音频播客以及唱歌MV等多场景。

除驱动人物图像外，HunyuanVideo-Avatar 还能在此基础上保证视频中主体一致性以及视频的整体动态性。用户可以上传复杂人物图像并上传匹配音频。

公告称，在主体一致性、音画同步方面，HunyuanVideo-Avatar效果超越开闭源方案，处在业内顶尖水平；在画面动态、肢体自然度方面，效果超越开源方案，和其他闭源方案处在同一水平。

相比传统工具仅限于头部驱动，HunyuanVideo-Avatar 还支持半身或全身场景，显著提升视频的真实感和表现力。同时，HunyuanVideo-Avatar 支持多风格、多物种与多人场景，包括赛博朋克、2D动漫、中国水墨画，以及机器人、动物等。例如，创作者可上传卡通角色或虚拟形象，生成风格化的动态视频，满足动漫、游戏等领域的创作需求。

体验入口：https://hunyuan.tencent.com/modelSquare/home/play?modelId=126