SadTalker

SadTalker 是一个基于单张人像图像和音频输入生成逼真说话头视频的开源模型。它通过学习三维运动系数，实现音频驱动的面部表情、唇动与头部姿态协同建模，支持高保真、风格化 talking-head 动画生成；技术上融合 3DMM（3D Morphable Model）先验与扩散增强策略，在单图+语音条件下完成端到端生成。适用于虚拟主播、在线教育数字人、无障碍语音可视化、AI 视频内容创作等需轻量级语音驱动人脸动画的场景。