ต้นฉบับ

WAN2.1 Fantasytalking-Audio Driver-KJ

อัปเดตล่าสุด:2025-11-19

wan_fantasytalking: an audio‑driven video generation model for lip‑synced digital humans. Given a single portrait image plus an audio clip, it produces a high‑fidelity talking video with strict lip synchronization and natural head motion and facial expressions, emphasizing identity consistency and temporal coherence.


Input/Output: single portrait + audio → talking video; focuses on three aspects: lip‑sync accuracy, identity preservation, and natural motion/expressions.


Lip‑sync and temporal modeling: uses audio features (e.g., speech, phonemes, visemes) to drive the mouth and facial regions, jointly coupling head motion and expressions to avoid the “lips‑only” uncanny effect.

แปลด้วยคลิกเดียว
ตัวอย่างโหนด 23 nodes
เต็มจอ
คลิกเพื่อโหลดตัวอย่างโหนด
เรียกใช้ (116)
รายการโปรด (6)
ดาวน์โหลด (1)
แชร์
รายละเอียดเวิร์กโฟลว์
ประเภท
กระบวนการทำงาน
การให้คะแนน
5
เวลาโพสต์
2025-10-14
สถานะ
สามารถทำงานได้
ข้อมูลโหนด (23)
แสดงความคิดเห็น
0/400
0 ความคิดเห็น