音频驱动视频

用户输入一段对话音频，可以自动驱动两个数字人头像自然对话，不需要手动的区分对话，AI可以动态地在说话和聆听状态之间交替，实现自然的口型同步和头部与面部表情动作在听众和说话者之间切换适应多种画风图像支持歌唱，采访，对话（可以实现多Agent实时对话）等场景环境[INFP.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/SOv6bN6xZo0D29xRc6HcsrTono2?allow_redirect=1)🌟地址：https://grisoon.github.io/INFP/[heading3]LTX Studio：Face Expression控制角色表情[content]LTX Studio的新功能Face Expression可轻松完全控制角色的面部表情。从预设情绪中快速选择，在几秒钟内调整角色的表情使用自定义控件。微调眼睛、嘴巴或眉毛等特定特征，打造所需的确切情感。[LTX Studio(2).mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/Fqh9bRbmoooiB3x0V1pcsV9CnPf?allow_redirect=1)🌟地址：https://ltx.studio/

[heading1]创意工具箱[heading2]文生图[content]仅需输入文本描述，即可一键生成图片素材，海量创意灵感信手拈来！操作指引：输入文本描述（关键词或场景描述等）——选择模型（注意FLUX模型不可商用）————开始生成——下载[heading2]AI翻译[content]支持多语种文本翻译，翻译结果实时准确，助力海外投放无语言障碍!操作指引：输入原始文本——选择翻译的目标语言——开始生成[heading2]TikTok风格数字人[content]适配Tiktok媒体平台的数字人形象上线，100+数字人模板可供选择，助力Tiktok营销素材生产无难度！操作指引：输入口播文案——选择数字人角色——点击开始生成*视频默认输出语言和输入文案语言保持一致，默认尺寸为9:16竖版。[heading2]多场景数字人口播配音[content]支持生成不同场景下（室内、户外、站姿、坐姿等）的数字人口播视频，一键满足多场景投放需求！操作指引：输入口播文案——选择数字人角色和场景——选择输出类型——点击开始生成*视频默认输出语言和输入文案语言保持一致[heading2]音频驱动多场景数字人[content]支持音频和场景数字人一键合成，快速生成数字人口播视频！操作指引：上传音频链接——选择数字人角色和场景——选择输出类型——点击开始生成*音频文件支持MP3和WAV格式，文件大小上限5M

To generate higher quality audio and add the ability to guide the model towards generating specific sounds,we added more information to the training process,including AI-generated annotations with detailed descriptions of sound and transcripts of spoken dialogue.为了生成更高质量的音频，并增加引导模型生成特定声音的能力，我们在训练过程中添加了更多信息，包括人工智能生成的注释，其中包含声音的详细描述和口语对话誊本。By training on video,audio and the additional annotations,our technology learns to associate specific audio events with various visual scenes,while responding to the information provided in the annotations or transcripts.通过对视频、音频和附加注释进行训练，我们的技术可以学会将特定音频事件与各种视觉场景联系起来，同时对注释或文本中提供的信息做出响应。