InfiniteTalk

InfiniteTalk 是一个支持无限长度音频驱动的说话视频生成模型，专注于稀疏帧视频配音任务。它同时支持图像到视频和视频到视频生成，能精准同步唇部动作，并协同对齐头部运动、身体姿态与面部表情，显著提升配音自然度与时序一致性。基于扩散模型架构，具备长序列建模能力，适用于虚拟人视频生成、多语言配音、教育视频本地化及无障碍内容制作等需要高质量、长时长音视频同步的场景。