hallo

Hallo是一个基于音频驱动的肖像图像动画生成模型，可将静态人像图与语音音频输入结合，生成口型、表情和头部动作自然同步的说话视频。项目采用分层建模架构，融合音频特征编码、面部关键点引导与扩散模型生成技术，在保持身份一致性的前提下实现高保真动态合成。支持单张人脸图像输入，无需训练或微调即可生成高质量短视频，适用于虚拟数字人、在线教育讲师动画、影视修复及无障碍内容生成等场景。