自2021年以来，音频驱动虚拟人合成技术迅速发展，结合静态图像与音频生成同步视频，广泛应用于直播和客服等领域。主要技术挑战包括身份保持与音视频同步。近年来，扩散模型成为主流，推动了该领域的进步。关键研究包括Hallo2、Let Them Talk和OmniHuman-1，分别聚焦于长视频生成、多人人物对话及全身数字人模型，展现出显著的技术突破与商业潜力。

本文列出了多个开源音频驱动的人像动画项目，包括“Live Speech Portraits”、“AniPortrait”等，展示了音频驱动技术的进展。欢迎读者分享更多相关项目。