JoyGen – 京东和港大推出音频驱动的3D说话人脸视频生成框架-爱论文

JoyGen是什么

JoyGen是京东科技和香港大学推出的，音频驱动的3D说话人脸视频生成框架，专注于实现精确的唇部与音频同步及高质量的视觉效果。JoyGen结合音频特征和面部深度图，驱动唇部运动的生成，用单步UNet架构进行高效的视频编辑。JoyGen在训练过程中用包含130小时中文视频的高质量数据集，在开源的HDTF数据集上验证其优越性能。实验结果表明，JoyGen在唇部与音频同步和视觉质量方面均达到行业领先水平，为说话人脸视频编辑领域提供了新的技术解决方案。

JoyGen的主要功能

唇部与音频同步：基于音频驱动的唇部运动生成技术，确保视频中人物的唇部动作与音频内容精准对应。高质量视觉效果：生成的视频具有逼真的视觉效果，包括自然的面部表情和清晰的唇部细节。视频编辑与优化：在现有视频的基础上进行唇部运动的编辑和优化，无需重新生成整个视频。多语言支持：支持中文和英文等不同语言的视频生成，适应多种应用场景。

JoyGen的技术原理

第一阶段：音频驱动的唇部运动生成 3D重建模型：3D重建模型从输入的面部图像中提取身份系数，身份系数用在描述人物的面部特征。音频到运动模型：基于音频到运动模型将音频信号转换为表情系数，表情系数用于控制唇部的运动。深度图生成：结合身份系数和表情系数生成面部的3D网格，基于可微渲染技术生成面部深度图，用在后续的视频合成。第二阶段：视觉外观合成单步UNet架构：用单步UNet网络将音频特征和深度图信息整合到视频帧的生成过程中。UNet基于编码器将输入图像映射到低维潜在空间，结合音频特征和深度图信息进行唇部运动的生成。跨注意力机制：音频特征基于跨注意力机制与图像特征交互，确保生成的唇部运动与音频信号高度一致。解码与优化：生成的潜在表示基于解码器还原为图像空间，生成最终的视频帧。基于L1损失函数在潜在空间和像素空间进行优化，确保生成视频的高质量和同步性。数据集支持：JoyGen使用包含130小时中文视频的高质量数据集进行训练，确保模型能适应多种场景和语言环境。

JoyGen的项目地址

项目官网：https://joy-mm.github.io/JoyGen/GitHub仓库：https://github.com/JOY-MM/JoyGenarXiv技术论文：https://arxiv.org/pdf/2501.01798

JoyGen的应用场景

虚拟主播与直播：创建虚拟主播，实现新闻播报、电商直播等，根据输入音频实时生成逼真唇部运动，提升观众体验。动画制作：在动画影视领域，快速生成与配音同步的唇部动画，减少动画师工作量，提高制作效率。在线教育：生成虚拟教师形象，实现与教学语音同步的唇部动作，让教学视频更生动，增强学生学习兴趣。视频内容创作：帮助创作者快速生成高质量说话人脸视频，如虚拟人物短剧、搞笑视频等，丰富创作形式。多语言视频生成：支持多语言，将一种语言的视频快速转换为其他语言版本，且唇部动作与新语言音频同步，便于内容国际化传播。