SadTalker

SadTalker 是西安交通大学、腾讯 AI Lab 和蚂蚁集团合作在 CVPR 2023 发表的一个开源项目，代码托管在 GitHub。它要做的事很直接：给一张正面人像照片，再给一段音频，就能生成一段嘴型跟着音频动起来的说话视频。对做虚拟主播、教学课件或者单纯想玩一下的人来说，它提供了一条不用真人出镜就能产出说话画面的路径。

主要功能

项目支持多种模式，包括静态模式、参考模式和缩放模式，还提供全图模式，可以让整张图片动起来而不只是头部。生成时可以选择是否叠加增强器来提升画质。除了命令行推理，它还附带一个 Gradio 网页界面，也发布了 stable-diffusion-webui 扩展，习惯在 WebUI 里操作的人可以直接调用。官方还提到模型已经接入 Discord，可以通过发送文件免费使用。

适合谁

适合有一定动手能力的开发者和研究者：需要自己配环境、下载模型权重、跑推理脚本。普通用户如果不想折腾，可以走 Discord 或 Colab 笔记本这类现成入口，但体验和本地部署会有差别。

费用与限制

代码采用 Apache 2.0 许可，移除了非商业限制，可以免费使用和修改。不过它本身不是开箱即用的在线服务，安装依赖 Python、PyTorch、ffmpeg 等环境，对显卡也有要求。生成效果受输入照片角度、光照和音频质量影响，复杂姿态或侧脸可能不理想。项目页面语言为英文，中文教程由社区提供。