使用场景

使用图像和音频生成虚拟人广告，通过音频驱动角色对话。

在已有视频中替换角色，实现个性化的视频编辑。

创建唱歌的头像，使其能够表演指定的音乐作品。

产品特色

支持多模态输入：可以处理文本、图像、音频和视频，以实现灵活的定制。

身份一致性：通过引入图像 ID 增强模块和时间级联，保持主题在视频中的一致性。

音频驱动生成：结合音频输入，使生成的视频中的角色能够说出相应的内容。

视频对象替换：允许在视频中替换指定对象，与给定图像中的主题一致。

支持单一和多主题场景：适用于单个或多个主题的视频生成需求。

扩展应用场景：可用于虚拟试衣、虚拟人广告、唱歌头像等多种应用。

高质量生成：相较于现有方法，提供更高的真实感和文本 - 视频对齐度。

并行推理支持：可在多个 GPU 上进行高效推理，提升生成速度。

使用教程

1. 克隆 HunyuanCustom 的代码库。

2. 安装所需的依赖项，包括 PyTorch 和其他库。

3. 下载预训练模型并设置环境变量。

4. 准备输入文件（图像、音频或视频）。

5. 使用命令行运行生成脚本，指定输入和条件。

6. 等待模型生成视频，并检查输出结果。

7. 根据需求调整输入和参数，以优化生成效果。