标签： 音频驱动视频

StableAvatar 是一款开源的音频驱动视频生成模型，通过一张参考图片与音频即可生成自然同步、无限时长的说话或唱歌视频。该项目在音频建模与视频扩散结构上进行了创新，有效解决了长视频生成中常见的身份漂移和口型不同步问题，适合虚拟人、AI 主播、数字分身等应用场景。