THUNDER：用“听回去”的方式让数字人说话更像真人

 

在虚拟数字人和AI交互日益普及的今天，如何让数字人的面部动作更加自然、真实，尤其是嘴型与语音高度同步，成为提升用户体验的关键。而来自马克斯·普朗克智能系统研究所（MPI-IS）的研究团队提出了一种全新思路 —— THUNDER，它不仅能根据语音生成高质量的3D面部动画，还能通过“听回去”机制不断自我校正，显著提升口型准确性。

---

一句话理解 THUNDER

传统方法是让数字人“听音频动嘴”，而 THUNDER 是让它“看嘴型反推音频”，再用这个音频来判断嘴型动得对不对，从而反过来提升口型准确度！

---

为什么这项技术很重要？

✅ 自动生成逼真口型动画

只需输入一段语音，THUNDER 即可自动生成自然流畅、情感丰富的3D面部动画。适用于虚拟主播、AI讲解员、数字替身等各类数字人应用场景。

✅ 提升口型同步精度

不同于以往模型只关注“嘴巴有没有动”，THUNDER 更注重“嘴巴动得对不对”。它通过重建语音并比对原始语音的方式，实时检测并纠正