騰訊混元公眾號今日發文宣布開源混元語音數字人模型，僅需一張圖和一段音頻，就能讓圖中的主角自然地說話、唱歌。

　　此次發布的并開源的語音數字人模型 HunyuanVideo-Avatar，由騰訊混元視頻大模型(HunyuanVideo)及騰訊音樂天琴實驗室 MuseV 技術聯合研發，支持頭肩、半身與全身景別，以及多風格、多物種與雙人場景，面向視頻創作者提供高一致性、高動態性的視頻生成能力。

　　用戶可上傳人物圖像與音頻，HunyuanVideo-Avatar 模型會自動理解圖片與音頻，比如人物所在環境、音頻所蘊含的情感等，讓圖中人物自然地說話或唱歌，生成包含自然表情、唇形同步及全身動作的視頻。

　　HunyuanVideo-Avatar 適用于短視頻創作、電商與廣告等多種應用場景，可以生成人物在不同場景下的說話、對話、表演等片段，快速制作產品介紹視頻或多人互動廣告，降低制作成本。

　　HunyuanVideo-Avatar 的單主體能力已經開源，并在騰訊混元官網上線，用戶可以在“模型廣場-混元生視頻-數字人-語音驅動-HunyuanVideo-Avatar”中體驗，目前支持上傳不超過 14 秒的音頻進行視頻生成，后續將逐步上線和開源其他能力。