#digital-human

32 articles

Longcat Avatar 现已登陆WaveSpeedAI

Longcat Avatar生成超逼真、唇形同步的长视频，具有自然的动态和一致的身份特征。将一张照片和音频转换为音频驱动的说话或唱歌虚拟形象视频（图像转视频），最长支持1分钟，720p价格为$0.30/5秒。现成可用的REST API，无冷启动问题

InfiniteTalk将一张照片+音频转换为音频驱动的说话或唱歌虚拟形象视频（图像转视频），最长10分钟，720p层级$0.30/5秒。即用型REST API，无冷启动，价格实惠。

Live Avatar 从参考图像和音频生成会说话的头像视频，创建具有自然表情的逼真唇形同步动画。

Kling AI虚拟形象为数字身份和内容创作生成令人惊艳的AI视频虚拟形象，按需视频计费，$0.25每5秒。即用型REST API，无冷启动，价格实惠。

InfiniteTalk Multi将单张图像和两个音频输入转换为最高720p分辨率的多角色对话或唱歌视频。提供开箱即用的REST推理API、最佳性能、无冷启动、价格实惠。

InfiniteTalk Fast 将一张照片 + 音频转换为音频驱动的说话或唱歌虚拟形象视频（图像转视频），最长可达 10 分钟。即用型 REST API，无冷启动，价格实惠。

PixVerse LipSync 使用先进算法将音频转换为逼真的唇形同步动画，精确控制嘴部运动和视频头像的时序。提供即用型 REST 推理 API、最佳性能、无冷启动、价格实惠。

Sync Lipsync-2 将任何视频中的唇形同步到提供的音频，为电影、播客、游戏或动画实现逼真的嘴型对齐。提供即用型 REST 推理 API、最佳性能、无冷启动、价格实惠。

使用 Veed LipSync 从音频生成逼真的口型同步动画，具有高质量同步效果；每 5 秒视频仅需 $0.15。随时可用的 REST 推理 API、最佳性能、无冷启动、价格实惠。

浑元虚拟人从单张图片+音频创建音频驱动的说话或唱歌视频，支持480p/720p分辨率，最长120秒（起价$0.15/5秒）。开箱即用的REST推理API，最佳性能，无冷启动，价格实惠。

Wan-2.2-S2V将图像和语音转换为高保真视频，具有逼真的面部和身体动作；支持长达10分钟的480p视频片段，价格仅需$0.15/5秒。随时可用的REST API，无冷启动，价格实惠。

OmniHuman 1.5将音频和视觉线索转换为逼真的虚拟人物动画，适用于虚拟人类、故事讲述和交互代理。现成的REST推理API、最佳性能、无冷启动、价格实惠。