腾讯混元开源 HunyuanVideo-Avatar：照片秒变会说话的数字人，支持多人对口型
一、HunyuanVideo-Avatar 模型正式开源
2025年5月28日，腾讯混元与腾讯音乐联合发布并开源了语音驱动数字人模型 HunyuanVideo-Avatar。该模型支持用户上传一张人物照片和一段音频，自动生成具有自然表情、唇形同步及全身动作的动态视频，实现照片“开口说话”或“唱歌”的效果。
目前，单人模式已在腾讯混元官网上线，支持最长14秒的音频生成视频。多角色模式也即将开源，进一步拓展应用场景。
二、核心技术亮点
- 多景别支持：模型支持头肩、半身与全身景别，增强视频的真实感和表现力。
- 多风格与多物种：支持赛博朋克、2D动漫、中国水墨画等多种风格，以及机器人、动物等多种角色形象。
- 双人及多人场景：即将支持多角色互动，满足多人对口型、对话等复杂场景需求。
- 情感与环境理解：模型能够自动理解图片与音频中的情感和环境信息，生成更具表现力的视频内容。
三、应用场景广泛
HunyuanVideo-Avatar 模型适用于短视频创作、电商与广告等多种应用场景。用户可以快速制作产品介绍视频、多人互动广告等，降低制作成本，提高内容创作效率。
四、体验与获取方式
- 在线体验：用户可在腾讯混元官网的“模型广场-混元生视频-数字人-语音驱动-HunyuanVideo-Avatar”中体验该模型。
- 开源地址：模型已在 GitHub 上开源，开发者可获取源码进行二次开发和研究。
五、未来发展方向
腾讯混元团队表示，未来将继续优化模型性能，提升生成视频的质量和自然度。同时，将逐步开放更多功能，如多角色互动、长音频支持等，满足更广泛的应用需求。
