一张图+一段音频=会说话的视频！这个开源AI让老照片活过来了

你有没有想过——让一张老照片”活”过来，开口说话？

不是那种换脸的粗糙动画，而是对口型精准、表情自然、分辨率高达1024×1024的专业级人像动画。

这就是 Hallo2 正在做的事情。

🎭 把静态图变成会说话的视频

Hallo2 是复旦大学、百度和南京大学联合开发的音频驱动人像动画生成系统，刚刚被 ICLR 2025 接收开源。

核心能力一句话：喂给它一张图片 + 一段音频，它还你一段自然流畅的人像动画。

支持的场景极其广泛：
– 真实人物照片
– 动漫角色
– 插画人物

不管是人、是纸片人还是二次元老婆，都能动起来。

🔑 核心技术亮点

1. 突破时长限制
传统方法生成超过10秒就开始面部漂移、Hallo2 通过时间一致性建模 + 参考帧引导，可以跑任意时长——演讲视频、对话片段，几分钟不在话下。

2. 高分辨率输出
最高支持 1024×1024，面部细节清晰，背景稳定不抖动，直接拿来用都够用。

3. 语音表情精准同步
嘴唇、眉毛、眼神——全部与音频内容完美对应，不是那种对口型对个大概的敷衍货色。

4. 多风格通吃
不挑图，真人、动漫、插画全覆盖。

⚡ 使用方式

# 克隆项目
git clone https://github.com/fudan-generative-vision/hallo2
cd halo2

# 按官方文档安装依赖并运行
# 项目提供了预训练模型，GPU机器上可直接推理

项目主页还有在线 Demo可以直接试玩：https://fudan-generative-vision.github.io/hallo2-project/

💡 适合谁用

• 内容创作者：快速做数字人口播视频，不用拍摄
• 设计师：让插画角色动起来做宣传物料
• 开发者：基于它二次开发 AI 内容工具
• 普通用户：让家里老人的老照片”开口说话”，留个念想

📊 星星和热度

GitHub 上完全开源，代码 + 预训练模型全给，学术圈认可度高（ICLR 2025），社区活跃度持续上升。

GitHub 链接：https://github.com/fudan-generative-vision/hallo2

一张图 + 一段话 = 一段会说话的视频。Hallo2 把这个以前只有大公司才能做的事，变成了人人可玩的开源工具。试试看，说不定下一个 viral 视频就出在你手里。

GitHub: https://github.com/fudan-generative-vision/hallo2