模型介绍
中文整理frameworks:
Pytorch
license: Apache License 2.0
tasks:
motion-generation
中文阅读
FantasyTalking: Realistic Talking Portrait Generation via Coherent Motion Synthesis
[](https://fantasy-amap.github.io/fantasy-talking/)
[](https://arxiv.org/abs/2504.04842)
[](https://huggingface.co/papers/2504.04842)
🔥 Latest News!!
2025年4月28日: 开源了音频条件下的推理代码和模型权重。
Quick start
🛠️安装和依赖
首先克隆git仓库:
安装依赖:
🧱模型下载
模型 下载链接 备注
- ------------- ------------------------------------------------------------------------------- -------------------------------
Wan2.1-I2V-14B-720P 🤗 Huggingface 🤖 ModelScope 基础模型
Wav2Vec 🤗 Huggingface 🤖 ModelScope 音频编码器
FantasyTalking model 🤗 Huggingface 🤖 ModelScope 我们的音频条件权重
使用huggingface-cli下载模型:
使用modelscope-cli下载模型:
🔑 推理
您可以通过提示控制角色的行为。提示和音频配置的推荐范围是[3-7]。
我们在此处提供了一个详细的表格。该模型在单个A100上进行了测试。(512x512,81帧)
torch dtype num persistent param in dit Speed Required VRAM
- - - -
torch.bfloat16 None (unlimited) 15.5s/it 40G
torch.bfloat16 7*10**9 (7B) 32.8s/it 20G
torch.bfloat16 0 42.6s/it 5G
Gradio 示例
我们构建了一个Huggingface在线演示。
对于本地的gradio演示,您可以运行:
🧩 社区工作
我们❤️喜欢来自开源社区的贡献!如果你的工作改进了FantasyTalking,请告诉我们。
🔗Citation
If you find this repository useful, please consider giving a star ⭐ and citation
致谢
感谢Wan2.1、HunyuanVideo和DiffSynth-Studio开源他们的模型和代码,为该项目提供了宝贵的参考和支持。他们对开源社区的贡献真正值得赞赏。
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖,以原作者说明为准。
是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
Problem with the information or download?
Sign in to submit feedback.
