本文由 资源共享网 – ziyuan 发布，转载请注明出处，如有问题请联系我们！AI数字人生成模型（+语音模型）
1. AI数字人生成Sonic模型（当前热度最高）
核心能力：只需一张人脸静态照片+一段音频，就能快速生成唇形精准、表情自然的说话人脸视频，是当前效果领先的开源数字人方案。
技术特点：采用端到端生成方案，替代传统3D动捕/早期固定嘴型方案，能根据音频自动联动生成脸颊、眼周微表情，唇形同步精度极高。
优势对比：
表格
部署方式：通常集成在ComfyUI可视化界面中，拖拽节点即可使用，很多云平台提供一键部署包，无需从零搭建环境。
2. Cartesia Sonic-3语音模型
由AI公司Cartesia推出的低延迟语音生成模型，核心特点：
支持42种语言、500+音色，适配多场景语音生成需求
端到端延迟仅90毫秒，总响应时间在190毫秒以内，接近实时交互
支持语音克隆、自定义发音、情绪控制，可通过API和SSML标签精细调节音量、语速、情绪，目前已服务数千家企业。
与《AI数字人生成模型（+语音模型）》相关的《AI设计》
Al生成3D模型、视频模型、图片模型、图片模型、音乐模型合集
Al生成3D模型合集Al生成视频模型合集Al生成图片模型合集Al生成音乐模型合集Al语音克隆合集
15 1040 0
视频生成模型Self Forcing
Self Forcing 是 Adobe Research 与德克萨斯大学奥斯汀分校联合推出的新型自回归视频生成算法，解决传统生成模型在训练与测试时的暴露偏差问题。通过在训练阶段模拟自生成过程，以先前生成的帧为条件生成后续帧，而非依赖真实帧，弥合训练与测试分布的差异。Self Forcing 引入滚动 KV 缓存机制，支持理论上无限长的视频生成，在单个 H100 GPU 上实现 17 FPS 的实...
5 2300 0
轻量级开源视频生成模型LTX-Video
ltx-video-2b-v0.9.5.safetensors是轻量级开源视频生成模型LTX-Video的0.9.5版本核心权重文件，采用safetensors格式存储，是目前LTX-Video在ComfyUI中部署的官方推荐版本。核心基础信息模型规模：参数量为2B（20亿），属于轻量级视频生成模型，相比大参数模型，对消费级显卡更友好。存储格式：使用安全的safetensors格式，...
5 1418 0
手绘线稿控制图像构图模型
v3_sd15_mm.ckpt是ControlNet 1.0版本中，针对SD 1.5开发的「Soft Edge（软边缘/线条）」控制类型的预训练权重，全称是MistoLine Line Art版本**，用于AI绘画中通过手绘线稿控制图像构图。核心参数与定位含义拆解：v3：对应ControlNet 1.0的第三个稳定版本，是目前成熟的正式版本sd15：适配Stable Diffusion 1....
5 1351 0
通用全能型AI绘画大模型
dreamshaper_8.safetensors是基于SD 1.5训练的通用全能型AI绘画大模型，是DreamShaper系列的第8个正式版本，也是目前最热门的通用底模之一，文件格式为安全的safetensors。核心定位与特点DreamShaper 8定位为全能通用模型，兼具多种风格表现力，新手和专业创作者都适用：风格兼容性强：既可以生成写实人像、风景照片，也能绘制二次元插画、概念原...
5 1349 0
基于SDXL框架开发的顶级写实风格AI绘画大模型
realvisxlV40_v40Bakedvae.safetensors是基于SDXL框架开发的顶级写实风格AI绘画大模型，已经内置烘焙好的匹配VAE，是目前SDXL生态中最受欢迎的写实底模之一，文件格式为安全的safetensors。核心特点与定位它主打极致照片级真实感，是RealVisXL系列的V4.0稳定版本，核心优势突出：内置匹配的 baked VAE，下载后直接加载即可使用，无需...
5 1348 0
