echomimic

EchoMimic 是一个基于音频驱动的人像动画生成模型，支持通过可编辑的关键点条件控制实现逼真、可控的说话人面部动画合成。其核心技术采用可编辑的 landmark conditioning 机制，兼顾生成质量与动作可控性，并提供 V1/V2/V3 多版本演进，支持从单帧人像到半身动画的扩展；推理速度经优化提升达10倍。适用于虚拟数字人、在线教育口型同步、视频会议虚拟形象、短视频内容生成等需高质量语音驱动人脸动画的场景。