Media2Face 通过（GNPFA）实现从语音到 3D 面部动画的高效合成。GNPFA 利用变分自编码器将面部表情与身份分离，创建了一个泛化的表达潜在空间，提高了面部动画的现实感和表达性。构建 M2F-D 数据集，是一个大型且多样化的 3D 面部动画数据集，包含了丰富的情感和风格标注。Media2Face 模型能够接受音频、文本和图像的多模态输入，生成与语音同步的面部动画。通过关键帧提取和风格提示，支持对生成的面部动画进行精细的控制和微调。
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。