EchoMimicV2 是阿里蚂蚁集团推出的半身人体 AI 数字人项目。
EchoMimicV2 基于参考图片、音频剪辑和手部姿势序列生成高质量动画视频,确保音频内容与半身动作的一致性。
EchoMimicV2 在前代 EchoMimicV1 生成逼真人头动画的基础上,效果得到进一步提升。
EchoMimicV2 用音频-姿势动态协调策略,包括姿势采样和音频扩散,增强细节表现力并减少条件冗余。
EchoMimicV2 用头部局部注意力技术整合头部数据,设计特定阶段去噪损失优化动画质量。
EchoMimicV2 能生成完整的数字人半身动画,实现从中英文语音到动作的无缝转换。
此 EchoMimicV2 镜像已经预装载了 EchoMimicV2 官方仓库的所有预训练模型(main checkpoints of EchoMimic、sd-vae-ft-mse、sd-image-variations-diffusers及audio_processor(whisper)),可以直接进行使用,具体操作流程如下。
python infer.py --config=./configs/prompts/infer.yaml
16GB
以上显存的 NVIDIA
显卡32GB
以上内存framework_name: PyTorch
framework_version: 2.5.1
cuda_version: 12.4
python_version: 3.10
bilibili:
wechat: