---
title: "ChatAnyone – 阿里通义推出的实时风格化肖像视频生成框架"
url: "https://paooo.com/aigc-news/20714/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T05:57:59+08:00"
updated_at: "2026-06-08T05:57:59+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, AI视频生成, AI音频与语音, 可灵AI, 通义千问"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# ChatAnyone – 阿里通义推出的实时风格化肖像视频生成框架

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/20714/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 音频驱动生成肖像视频，兼顾面部表情、上半身动作与风格化控制。
- 采用分层运动扩散与混合控制融合生成，强调高保真、自然度和表达性。
- 在4090 GPU上可实现最高512×768、30fps的实时上半身肖像视频生成。

## ChatAnyone是什么

ChatAnyone是阿里巴巴通义实验室推出的实时风格化肖像[视频生成](https://ai-bot.cn/ai-video-generation-tools/)框架。通过音频输入，生成具有丰富表情和上半身动作的肖像视频。采用高效分层运动扩散模型和混合控制融合生成模型，能实现高保真度和自然度的视频生成，支持实时交互，适用于虚拟主播、视频会议、内容创作、教育、客户服务、营销、社交娱乐、医疗健康等众多场景。ChatAnyone支持风格化控制，可根据需求调整表情风格，实现个性化动画生成。

## ChatAnyone的主要功能

- **音频驱动的肖像视频生成**：通过音频输入，生成具有丰富表情和上半身动作的肖像视频，实现从“会说话的头”到上半身互动的高保真动画生成，支持多样化的面部表情和风格控制。

- **高保真度和自然度**：生成的肖像视频具有丰富的表情和自然的上半身动作。

- **实时性**：支持实时交互，适用于视频聊天等应用场景。

- **风格化控制**：可以根据需求调整表情风格，实现个性化的动画生成。

## ChatAnyone的技术原理

- **高效分层运动扩散模型**：输入音频信号，输出面部和身体的控制信号，考虑显式和隐式的运动信号。生成多样化的面部表情，实现头部与身体动作的同步。支持不同强度的表情变化，以及从参考视频中转移风格化的表情。

- **混合控制融合生成模型**：结合显式地标和隐式偏移量，生成逼真的面部表情。注入显式的手部控制信号，生成更准确和逼真的手部动作。通过面部优化模块，增强面部的逼真度，确保生成的肖像视频具有高度的表达性和真实感。

- **可扩展的实时生成框架**：支持从头部驱动的动画到包含手势的上半身生成。在4090 GPU上，最高512×768分辨率、30fps的速度实时生成上半身肖像视频。

## ChatAnyone的项目地址

- **项目官网**：[https://humanaigc.github.io/chat-anyone/](https://humanaigc.github.io/chat-anyone/)

- **Github仓库**：[https://github.com/HumanAIGC/chat-anyone](https://github.com/HumanAIGC/chat-anyone)

- **arXiv技术论文**：[https://arxiv.org/pdf/2503.21144](https://arxiv.org/pdf/2503.21144)

## ChatAnyone的应用场景

- **虚拟主播与视频会议**：用于新闻播报、直播带货、视频会议中的虚拟形象。

- **内容创作与娱乐**：生成风格化动画角色、虚拟演唱会、AI 播客等。

- **教育与培训**：生成虚拟教师形象、培训模拟中的虚拟角色。

- **客户服务**：生成虚拟客服形象，提供生动的解答和互动。

- **营销与广告**：生成虚拟代言人形象、互动性强的广告内容。

## 常见问题解答 (FAQ)

### ChatAnyone是什么？
ChatAnyone是阿里巴巴通义实验室推出的实时风格化肖像视频生成框架。它以音频为输入，生成带丰富表情和上半身动作的肖像视频，支持风格化控制，适合虚拟主播、会议、教育和营销等场景。

### ChatAnyone支持哪些核心功能？
它支持音频驱动的肖像视频生成、高保真自然表情、实时交互和风格化控制。也就是说，既能做“会说话的头”，也能扩展到带手势的上半身互动动画。

### ChatAnyone的实时效果怎么样？
文中给出的结果是：在4090 GPU上，ChatAnyone最高可实现512×768分辨率、30fps的实时上半身肖像视频生成，说明其具备较强的实时交互能力。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
