EchoMimic 的替代品
5 个可以替代 EchoMimic 的工具，1 个在国内不能直接访问、归在最后。费用、登录、平台与可访问性都是本站实测或从官网核对的。
对比
| 条目 | 费用 | 登录 | 平台 | 国内可直接访问 | 一句 |
|---|---|---|---|---|---|
 MuseTalk |
免费 | 不用登录 | Linux · Windows | 待检测 | 替代音频驱动唇形这一块：需输入现成人脸视频改嘴型，不能从静态照片生成 |
| OOmniHuman-1 | — | — | 网页 | 待检测 | 替代音频/视频驱动人像这一块：同为研究项目，但未开源权重，只能看演示 |
 VASA-1 |
— | — | 网页 | 待检测 | 替代照片加语音生成说话视频这一块：微软研究项目仅提供论文与演示，无法本地跑 |
| MMagicAvatar | — | — | — | 待检测 | 替代多模态驱动虚拟人这一块：同为开源研究框架，偏动作驱动而非口型 |
 SadTalker |
免费 | 不用登录 | Linux · Windows | 不可以 | 同样开源、照片加音频生成说话视频，自行部署，中文社区资料多 |
详细介绍
部分替代 4
MuseTalk
腾讯音乐 Lyra Lab 开源的音频驱动唇形同步模型，输入人脸视频和音频即可改嘴型对齐，支持中英日等多语，在 NVIDIA 显卡上可实时推理，适合有深度学习基础的开发者在本地给虚拟人视频配音。替代音频驱动唇形这一块：需输入现成人脸视频改嘴型，不能从静态照片生成
O
OmniHuman-1
字节跳动智能创作团队公布的人体视频生成研究项目，用单张人像配合音频、视频或两者组合驱动，生成说话、唱歌的动态人像，覆盖卡通形象与复杂姿态，适合数字人方向研究者对照方法、评估效果边界。替代音频/视频驱动人像这一块：同为研究项目，但未开源权重，只能看演示
VASA-1
微软研究院的音频驱动人脸视频生成研究项目，输入单张照片和一段语音，实时生成口型与表情同步的说话视频，页面只提供论文与演示，适合做虚拟人、数字主播的研究者了解技术路线。替代照片加语音生成说话视频这一块：微软研究项目仅提供论文与演示，无法本地跑
M
MagicAvatar
字节跳动 2023 年公布的多模态虚拟人研究框架，能把文本描述或源视频转成动作信号，再驱动指定形象生成动画，论文与代码公开，适合做动作生成、视频合成的研究者复现或在此基础上改。替代多模态驱动虚拟人这一块：同为开源研究框架，偏动作驱动而非口型
国内不可直接访问 1
还有：Hallo2（未收录）