MultiTalk

MultiTalk 是一个基于音频驱动的多人对话视频生成模型，支持同步生成多个虚拟人物之间的自然对话、对口型、交互动作及卡通风格视频。其核心技术融合语音-视觉跨模态对齐、多角色姿态解耦建模与时空一致性约束，在单段输入音频驱动下实现多人协同说话与肢体互动。适用于虚拟会议、数字人直播、教育动画制作、AI内容创作等需多角色协同表达的场景。项目开源并提供预训练模型与完整推理流程。