❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

功能：生成音频驱动的半身动画，支持中文和英文。
技术：采用音频-姿势动态协调策略，增强音频与动画的同步性。
应用：适用于虚拟主播、在线教育、娱乐和游戏等多个场景。

正文（附运行示例）

EchoMimicV2 是什么

EchoMimicV2是阿里蚂蚁集团推出的半身人体AI数字人项目，基于参考图片、音频剪辑和手部姿势序列生成高质量动画视频，确保音频内容与半身动作的一致性。EchoMimicV2在前代EchoMimicV1生成逼真人头动画的基础上，效果得到进一步提升，现在能生成完整的数字人半身动画，实现从中英文语音到动作的无缝转换。

该项目采用音频-姿势动态协调策略，包括姿势采样和音频扩散，增强细节表现力并减少条件冗余。EchoMimicV2用头部局部注意力技术整合头部数据，设计特定阶段去噪损失优化动画质量。

EchoMimicV2 的主要功能

• 音频驱动的动画生成：用音频剪辑驱动人物的面部表情和身体动作，实现音频与动画的同步。
• 半身动画制作：从仅生成头部动画扩展到生成包括上半身的动画。
• 简化的控制条件：减少动画生成过程中所需的复杂条件，让动画制作更为简便。
• 手势和表情同步：基于手部姿势序列与音频的结合，生成自然且同步的手势和面部表情。
• 多语言支持：支持中文和英文驱动，根据语言内容生成相应的动画。

EchoMimicV2 的技术原理

• 音频-姿势动态协调（APDH）：
  • 姿势采样（Pose Sampling）：逐步减少姿势条件的依赖，让音频条件在动画中扮演更重要的角色。
  • 音频扩散（Audio Diffusion）：将音频条件的影响从嘴唇扩散到整个面部，再到全身，增强音频与动画的同步性。
• 头部局部注意力（Head Partial Attention, HPA）：在训练中整合头部数据，增强面部表情的细节，无需额外的插件或模块。
• 特定阶段去噪损失（Phase-specific Denoising Loss, PhD Loss）：将去噪过程分为三个阶段：姿势主导、细节主导和质量主导，每个阶段都有特定的优化目标。
• Latent Diffusion Model（LDM）：用变分自编码器（VAE）将图像映射到潜在空间，在训练过程中逐步添加噪声，估计并去除每个时间步的噪声。
• ReferenceNet-based Backbone：用ReferenceNet从参考图像中提取特征，将其注入到去噪U-Net中，保持生成图像与参考图像之间的外观一致性。

如何运行 EchoMimicV2

下载代码

git clone https://github.com/antgroup/echomimic_v2
cd echomimic_v2

Python 环境设置

• 测试系统环境：Centos 7.2/Ubuntu 22.04, Cuda >= 11.7
• 测试GPU：A100(80G) / RTX4090D (24G) / V100(16G)
• 测试Python版本：3.8 / 3.10 / 3.11

创建conda环境（推荐）：

conda create -n echomimic python=3.10
conda activate echomimic

安装包：

pip install pip -U
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 xformers==0.0.28.post3 --index-url https://download.pytorch.org/whl/cu124
pip install torchao --index-url https://download.pytorch.org/whl/nightly/cu124
pip install -r requirements.txt
pip install --no-deps facenet_pytorch==2.6.0

下载 ffmpeg-static

下载并解压 ffmpeg-static，然后：

export FFMPEG_PATH=/path/to/ffmpeg-4.4-amd64-static

下载预训练权重

git lfs install
git clone https://huggingface.co/BadToBest/EchoMimicV2 pretrained_weights

运行示例

运行Gradio：

python app.py

运行Python推理脚本：

python infer.py --config='./configs/prompts/infer.yaml'

资源

• 项目官网：https://antgroup.github.io/ai/echomimic_v2
• GitHub 仓库：https://github.com/antgroup/echomimic_v2
• HuggingFace 模型库：https://huggingface.co/BadToBest/EchoMimicV2
• arXiv 技术论文：https://arxiv.org/pdf/2411.10061

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦