无限时长视频生成新突破！复旦联合微软、腾讯混元推出StableAvatar，仅需1张照片+1段音频实现真人说话视频

一、项目介绍

StableAvatar 是 复旦大学 团队联合 微软亚洲研究院 、 西安交通大学 及 腾讯混元 共同研发的 AI 技术，于2025年8月首次实现无限长度真人说话视频生成，解决了传统技术生成长视频时出现的面部扭曲、身体变形等问题。

核心技术

时间步感知音频适配器是StableAvatar的核心创新，通过将音频信息转换为视频生成模型可理解的语言，并确保每一帧画面与对应时刻的音频完美匹配，从而支持无限时长视频生成。

应用前景

该技术可显著降低影视制作、虚拟助手、在线教育等领域的视频制作成本，提升内容创作效率。例如，用户仅需提供一张照片和一段录音，即可生成真人级说话视频。

二、使用说明

1.在GPU实例界面中选择创建实例星海智算-GPU算力云平台

2.选择好所在区域、所需配置、计费方式后在镜像市场搜索StableAvatar镜像

3.实例运行后，等待两到三分钟点击应用服务按钮即可

4.有StableAvatar、音频提取、人声分离三种模式可供选取，由于音频提取和人声分离较为简单，这里演示StableAvatar模式，选择相应语言，并选择相应模型，上传完图片和音频之后，调整提示词和参数，点击开始生成即可。

5.生成结果：实现一张图、一段音频，生成数字人。