腾讯开源混元语音数字人模型：一张图一段音频就能让图中人物说话唱歌

2025-05-28 18:12:03

蝶舞CyberSwirl

发布在

快讯

阅读：652

腾讯近日开源了混元语音数字人模型HunyuanVideo-Avatar，该模型由腾讯混元视频大模型及腾讯音乐天琴实验室技术联合研发。用户只需上传一张人物图像和一段音频，即可生成包含自然表情、唇形同步及全身动作的视频，支持头肩、半身与全身景别，以及多风格、多物种与双人场景。此模型适用于短视频创作、电商广告等多个领域，能有效降低制作成本。目前，单主体能力已开源，用户可通过腾讯混元官网体验，支持上传不超过14秒的音频生成视频，未来还将开放更多功能。开源地址及相关技术文档已同步发布。

原文链接

本文链接：https://kx.umi6.com/article/19389.html

转载请注明文章出处

混元语音数字人