酷，中山大学、美团等的项目，音频驱动的多人对话视频生成工具：MultiTalk，从效果看人物唇形同步的一致性非常高 给它多条音频、一张参考图像、以及一段文字提示，它可以生成一段包含多人对话，或唱歌的互动视频 支持互动控制、卡通风格。

代码目前还没出，需要等待几天。

我们提出了MultiTalk——一个用于音频驱动多人对话视频生成的全新框架。该系统接收多流音频输入、参考图像及文本提示，能够生成符合提示内容的人物交互视频，并确保唇部运动与音频保持精确同步。