Ren(@Ryrenz):🎭 厉害了，MultiTalk 喂几段音频加一张参考图，就能生成几个人对着说话的对话视频，口型还能跟上音频。 MultiTalk 在 GitHub 3000 star，五百个 fork，论文中了 NeurIPS 2025。以前做一段两个人对话的短视频，要么真人出镜录，要么用数字人工具一个一个生成再剪到一起，人物之间很难有互动。MultiTalk 是直接按多路音频生成同一个画面里的多人对话，提示词还能控制人物之间怎么互动，卡通角色、唱歌视频也能做。门槛也降下来了：480p 用单张 RTX 4090 就能生成，社区做的 Wan2GP 最低 8GB 显存就能跑，还接进了 ComfyUI 和 Google Colab。同一个团队后面又接着出了 InfiniteTalk 和 LongCat-Video-Avatar 系列，最新的 1.5 版把推理压到了 8 步。生成的是真人模样的说话视频，用谁的脸、谁的声音，得先拿到人家同意。拍对话戏，以后可能真不用凑齐演员了。 GitHub：

2026.10.23 07:06

🎭 厉害了，MultiTalk 喂几段音频加一张参考图，就能生成几个人对着说话的对话视频，口型还能跟上音频。 MultiTalk 在 GitHub 3000 star，五百个 fork，论文中了 NeurIPS 2025。以前做一段两个人对话的短视频，要么真人出镜录，要么用数字人工具一个一个生成再剪到一起，人物之间很难有互动。MultiTalk 是直接按多路音频生成同一个画面里的多人对话，提示词还能控制人物之间怎么互动，卡通角色、唱歌视频也能做。门槛也降下来了：480p 用单张 RTX 4090 就能生成，社区做的 Wan2GP 最低 8GB 显存就能跑，还接进了 ComfyUI 和 Google Colab。同一个团队后面又接着出了 InfiniteTalk 和 LongCat-Video-Avatar 系列，最新的 1.5 版把推理压到了 8 步。生成的是真人模样的说话视频，用谁的脸、谁的声音，得先拿到人家同意。拍对话戏，以后可能真不用凑齐演员了。 GitHub：