GitHubDaily

在 GitHub 上看到 MultiTalk 这个开源项目，在制作多人对话场景的数字人视频效果颇不错。

只需提供音频文件、参考图片和提示词，就能生成嘴型同步的多人对话视频，还支持歌唱和卡通角色生成。

GitHub：

主要特性：

- 音频驱动的单人和多人对话视频生成，嘴型同步精准
- 通过提示词直接控制虚拟人物的交互和行为表现
- 支持卡通角色生成和歌唱场景，适用范围更广泛
- 提供 480P 和 720P 多种分辨率输出，支持任意宽高比
- 长视频生成能力，最长可达 15 秒连续对话场景
- 集成 TTS 功能和多种加速优化，大幅提升生成效率

此外，还支持多 GPU 推理和低显存模式，单张 RTX 4090 即可运行 480P 视频生成。