echomimic_v2

EchoMimicV2 是一个面向音频驱动的半身人像动画生成模型，支持仅凭语音输入生成自然、高表现力的上半身（含头部与肩部）动态视频。其核心基于轻量化架构设计，融合可编辑关键点引导与时序一致性建模，在保持低计算开销的同时提升动作流畅性与口型同步精度；支持单张静态人像图+音频输入的端到端生成，无需训练或微调。适用于虚拟数字人直播、在线教育讲师动画、智能客服形象生成等需快速部署、资源受限的实时或准实时人像驱动场景。