infinitetalk

name: infinitetalk description: 自媒体创作者与内容创作者在制作数字人播报或视频配音时，只需输入单张人像与音频，即可自动生成唇形、表情、动作完美同步的无限时长说话视频。一键打造高质量虚拟主播内容，告别繁琐拍摄，让音视频创作更高效！ dependency: python: | opencv-python>=4.9.0.80 diffusers>=0.31.0 transformers>=4.49.0 tokenizers>=0.20.3 accelerate>=1.1.1 tqdm imageio easydict ftfy dashscope imageio-ffmpeg scikit-image loguru gradio>=5.0.0 numpy>=1.23.5,<2 xfuser>=0.4.1 pyloudnorm optimum-quanto==0.2.6 scenedetect moviepy==1.0.3 decord torch>=2.0.0 torchvision torchaudio einops soundfile system: | # 创建模型权重目录 mkdir -p weights/Wan2.1-I2V-14B-480P mkdir -p weights/chinese-wav2vec2-base mkdir -p weights/InfiniteTalk/single mkdir -p weights/Kokoro-82M

InfiniteTalk - 音频驱动视频生成

任务目标

• 本 Skill 用于：将音频（语音）转换为同步的说话人视频，支持从单张图片或现有视频生成音频驱动的说话视频
• 能力包含：
  • Image-to-Video：从单张图片生成音频驱动的说话视频