Ren(@Ryrenz):👄 看呆了，InfiniteTalk 给一段视频换上新音频，口型、点头、表情都会跟着声音重新对上，而且时长不设上限。 InfiniteTalk 有论文 arXiv 2508.14033 支撑，GitHub 上 8100 多 star，一千四百多个 fork。视频换配音最难的不是声音，是嘴：换了台词口型对不上，观众一眼就出戏；只改嘴唇的做法，头和身体又僵在原来的节奏里。 InfiniteTalk 拿原视频和新音频一起生成新视频，唇形对齐之外，头部动作、身体姿态和面部表情也跟着音频走。手里只有一张照片也行，图片加音频就能直接生成说话视频。项目自己说比上一代 MultiTalk 少了手和身体的畸变；480P、720P 都支持，有 int8 量化、多卡推理和极低显存模式，Gradio 演示和 ComfyUI 都接好了。做翻译配音、数字人口播的，这是一套能直接上手的方案。 GitHub：

2026.10.24 03:05

👄 看呆了，InfiniteTalk 给一段视频换上新音频，口型、点头、表情都会跟着声音重新对上，而且时长不设上限。 InfiniteTalk 有论文 arXiv 2508.14033 支撑，GitHub 上 8100 多 star，一千四百多个 fork。视频换配音最难的不是声音，是嘴：换了台词口型对不上，观众一眼就出戏；只改嘴唇的做法，头和身体又僵在原来的节奏里。 InfiniteTalk 拿原视频和新音频一起生成新视频，唇形对齐之外，头部动作、身体姿态和面部表情也跟着音频走。手里只有一张照片也行，图片加音频就能直接生成说话视频。项目自己说比上一代 MultiTalk 少了手和身体的畸变；480P、720P 都支持，有 int8 量化、多卡推理和极低显存模式，Gradio 演示和 ComfyUI 都接好了。做翻译配音、数字人口播的，这是一套能直接上手的方案。 GitHub：