← 返回列表

_clusterB.md

实时数字人（Talking Head / Avatar）开源项目核实 —— Cluster B

核实日期：2026-09-22（本文件所有"last commit"均为当日实测值）

核实方法（全部为可复现的一手探测，未使用 2024/2025 二手描述）：

⚠️ shields.io 的 last-commit 只给"月份"粒度：不带年份的裸月份 = 2026 年（如 march = 2026-03），带年份才是往年。本文件已用 Atom feed 交叉核对。

1. Realtime-Venus

项目内容
名称Realtime-Venus（Realtime-Venus-Omni · 9B / Realtime-Venus-Audio · 9B / Realtime-Venus-Harness）
仓库 URLhttps://github.com/inclusionAI/Realtime-Venus （✅ 存在，HTTP 200）
是否存在存在（Ant Group「Venus Team」+ 清华大学，inclusionAI 组织）
stars40
licenseApache-2.0（README「License」节明示；LICENSE 文件实测为 Apache License 2.0 正文）
last commit2026-09-21（Atom feed <updated>2026-09-21T15:45:17Z；shields 显示 yesterday）
模型权重Hugging Face inclusionAI/Realtime-Venus（hf-mirror API 实测 200）；ModelScope 镜像 inclusionAI/Realtime-Venus
Releasetag android-beta-0918，含 Realtime-Venus-0918.apk Android Beta 演示包
论文arXiv 2609.13814
简介全双工（full-duplex）实时交互系统 + 异步委派（asynchronous delegation），不是"音频驱动人脸视频生成"模型。Omni-9B 吃流式音视频输入，边听边说、可主动发起回应、原生生成语音；Harness 运行时把自然语言任务丢到后台（demo 用 Codex 作为任务后端）执行，结果回到同一会话由模型择时用语音播报。仓库含 Omni 模型集成、可复用 Harness 包、浏览器 demo、Android Beta。

定位提醒：它是"实时多模态对话 + 语音输出"的交互层，不产出 talking-head 视频。若选型目标是"音频→口型视频"，本项只对应"实时对话脑 + TTS 语音"，需另外叠加渲染层。

来源：GitHub · Hugging Face · arXiv · 项目页 · Release tag

2. Wan-Dancer / Wan2.2-S2V

2a. Wan-Dancer —— ✅ 真实存在，但不是数字人/talking head

项目内容
名称Wan-Dancer（💃 Wan-Dancer）
仓库 URLhttps://github.com/Wan-Video/Wan-Dancer （✅ HTTP 200）
是否存在存在
stars432
licenseApache-2.0（README「📜 License」节明示，LICENSE 实测为 Apache 2.0 正文）
last commit2026-07-17（Atom feed <updated>2026-07-17T08:49:55Z；shields july）
模型权重Wan-AI/Wan-Dancer-14B；ModelScope Wan-AI/Wan-Dancer-14B
论文arXiv 2607.09581
简介音乐→长时舞蹈视频生成（hierarchical：全局关键帧规划 + 局部时序精修）。时间映射 RoPE 动态帧率适配、光流连续性损失、运动速度控制；720p/30fps 超过 1 分钟，跨 5 种舞种，音频 + 文本条件。训练硬件为 8×A800 80GB。与"音频驱动肖像/口型"无关，属于"全身舞蹈视频生成"。

⚠️ 候选名 "Wan-Dancer" 容易与"数字人"混为一谈，实测它是跳舞视频，不驱动人脸口型。

2b. Wan2.2-S2V —— ✅ 存在，在 Wan2.2 主仓内（无独立仓库）

项目内容
名称Wan2.2-S2V-14B（Speech-to-Video）
仓库 URLhttps://github.com/Wan-Video/Wan2.2 （S2V 为其中一项任务，无 Wan-Video/Wan2.2-S2V 独立仓库）
是否存在存在（作为 Wan2.2 的子能力）
stars18k（整个 Wan2.2 仓库）
licenseApache-2.0（shields 实测）
last commit2026-09-21（Atom feed <updated>2026-09-21T06:16:22Z；shields yesterday）
模型权重Wan-AI/Wan2.2-S2V-14B（hf-mirror API 实测 200）；ModelScope Wan-AI/Wan2.2-S2V-14B
简介音频驱动的电影级视频生成（speech-to-video），支持 480P/720P。首次发布于 2025-08-26（Wan2.2 的 News 节），随 Wan2.2 仓库持续维护（仓库 2026-09 仍活跃）。Wan2.2 本身是 MoE 视频基座（T2V-A14B / I2V-A14B / TI2V-5B / S2V-14B / Animate-14B）。
2026 活动主仓 2026-09-21 有提交；但 S2V 子任务本身在 README 的 Latest News 中最后更新为 2025-09-05，2026 无 S2V 专属新版本公告。

注意区分：Wan2.2-Animate-14B（角色动画/替换，2025-09-19 发布）≠ Wan2.2-S2V-14B（音频驱动说话视频）。

来源：Wan-Dancer GitHub · Wan-Dancer HF · Wan-Dancer arXiv · Wan2.2 GitHub · Wan2.2-S2V-14B HF · S2V 项目页

3. Hallo3 / Hallo4（fudan-generative-vision）

3a. Hallo3 —— ✅ 存在，但已停更

项目内容
名称Hallo3（Hallo3: Highly Dynamic and Realistic Portrait Image Animation with Video Diffusion Transformer）
仓库 URLhttps://github.com/fudan-generative-vision/hallo3 （✅ HTTP 200）
是否存在存在
stars1.4k
licenseMIT（shields 实测 MIT）
last commit2025-03-13（Atom feed <updated>2025-03-13T08:34:23Z；shields march 2025）
2026 活动无（最后提交为止于 2025-03）
简介复旦 generative-vision 组的肖像动画（video diffusion transformer 驱动），是 Hallo 系列第三代。

3b. Hallo4 —— ✅ 存在，star 极少，模型权重门控

项目内容
名称Hallo4（Hallo4: High-Fidelity Dynamic Portrait Animation via Direct Preference Optimization）
仓库 URLhttps://github.com/fudan-generative-vision/hallo4 （✅ HTTP 200，默认分支 master，仅 5 个 commit）
是否存在存在
stars38（fork 4，issues 2，PR 1 —— 页面实测）
license未指定（shields 返回 not specified；仓库文件列表仅 .gitignore / README.md / inf.sh / requirements.txt / assets/ / vace/，无 LICENSE 文件）
last commit2025-11-30（Atom feed <updated>2025-11-30T06:26:14Z；shields november 2025）
2026 活动无（最后提交止于 2025-11-30）
模型权重Hugging Face fudan-generative-ai/hallo4 —— 门控（gated）：匿名访问返回 HTTP 401 Access to model ... is restricted. You must have access to it and be authenticated
简介SIGGRAPH Asia 2025 论文（ACM DL / ar5iv 2505.23525）。用 DPO（Direct Preference Optimization）+ 时序运动调制做高保真动态肖像动画。作者：Jiahao Cui, Baoyou Chen, Mingwang Xu, Hanlin Shang, Yuxuan Chen, Yun Zhan, Zilong Dong, Yao Yao, Jingdong Wang, Siyu Zhu（复旦 / 百度 / 上海创智学院 / 南大 / 阿里）。推理要求 Ubuntu 20.04/22.04 + CUDA 12.1，测试显卡为 H100，依赖 Wan2.1 编码器。

⚠️ Hallo4 实用性问题：38 star、5 commit、无 LICENSE、权重门控、需 H100 级显存 —— 作为选型候选工程可用性很低，且 2026 年零活动。

来源：hallo3 GitHub · hallo4 GitHub · hallo4 HF（门控） · ACM DL · ar5iv

4. EchoMimic V3（antgroup/echomimic_v3）

项目内容
名称EchoMimicV3: 1.3B Parameters are All You Need for Unified Multi-Modal and Multi-Task Human Animation
仓库 URLhttps://github.com/antgroup/echomimic_v3 （✅ HTTP 200）
是否存在存在
stars1.1k
licenseApache-2.0（LICENSE.txt 实测为 Apache License 2.0 正文；注意文件名是 LICENSE.txt，LICENSE 返回 404）
last commit2026-03-18（Atom feed <updated>2026-03-18T03:31:56Z；shields march = 2026-03）
2026 活动有
模型权重BadToBest/EchoMimicV3（hf-mirror API 实测 200）；ModelScope BadToBest/EchoMimicV3
论文arXiv 2507.03905；被 AAAI 2026 接收（2025-11-09）
简介统一多模态多任务人体动画：1.3B 参数，音频/姿态/文本多条件驱动。2025-08-08 开源代码 + 权重；2025-08-12 提供 GradioUI（12GB 显存即可生成）；被社区集成进 ComfyUI（ComfyUI_EchoMimic，16GB 显存可跑）。

🔥 2026 关键更新（选型重点）

来源：GitHub · HF 模型 · EchoMimicV3-Flash · arXiv · 项目页

5. Hunyuan-Avatar / HunyuanVideo-Avatar（腾讯混元）

项目内容
名称HunyuanVideo-Avatar（仓库名就是 HunyuanVideo-Avatar；未找到单独的 "Hunyuan-Avatar" 仓库）
仓库 URLhttps://github.com/Tencent-Hunyuan/HunyuanVideo-Avatar （✅ HTTP 200）
是否存在存在（"Hunyuan-Avatar" 这一写法 未找到 对应仓库）
stars2.2k
licenseTencent Hunyuan Community License Agreement（LICENSE 实测正文首行 TENCENT HUNYUAN COMMUNITY LICENSE AGREEMENT，Release Date: May…；shields 返回 not identifiable by github，因为它是自定义社区许可而非 SPDX 标准协议）
last commit2025-12-16（Atom feed <updated>2025-12-16T12:32:46Z；shields december 2025）
2026 活动无（最后提交止于 2025-12；README News 最后一条为 2025-06-06）
模型权重tencent/HunyuanVideo-Avatar（hf-mirror API 实测 200）
简介基于 MM-DiT 的多模态扩散 Transformer 数字人：① 角色图像注入模块（替代加性条件，消除训练/推理条件错配）；② 音频情绪模块 AEM（从情绪参考图迁移情绪风格）；③ 人脸感知音频适配器 FAA（latent 级人脸 mask，支持多角色对话独立音频注入）。2025-05-28 开源推理代码 + 权重；2025-06-06 经 Wan2GP 支持单卡 10GB 显存（含 TeaCache）。

⚠️ 2026 年零提交，作为"2026 实时数字人"候选属于停更状态。

来源：GitHub · HF

6. OmniHuman-1.5（字节跳动）

项目内容
名称OmniHuman-1.5: Instilling an Active Mind in Avatars via Cognitive Simulation
仓库 URL未找到（无任何官方公开 GitHub 仓库）
是否存在非开源。实测以下路径全部 HTTP 404：bytedance/OmniHuman、bytedance/OmniHuman-1、bytedance/OmniHuman-1.5、ByteDance/OmniHuman-1.5、bytedance/omnihuman
stars未查到（无仓库）
license未查到（无开源许可）
last commit未查到
Hugging Face 权重未查到官方权重。hf-mirror 搜索 OmniHuman 仅返回社区自建评测集 1，非 ByteDance 官方模型
论文arXiv 2508.19209（Intelligent Creation Lab, ByteDance）
结论✅ API-only / 闭源。仅通过第三方推理平台提供：fal.ai 端点 0（HTTP 200）与 Replicate 1（HTTP 200）。Replicate 描述为"A film-grade digital human model that generates realistic video from a single image, audio clip, and optional text prompt"。
简介字节跳动"认知模拟"数字人：单图 + 音频（+ 可选文本提示）→ 逼真说话视频，号称具备"主动思维"（逻辑推理驱动动作）。

选型含义：OmniHuman-1.5 不能自部署、不可审计、按调用付费。若硬性要求开源可自托管，本项直接排除。

来源：fal.ai API 端点 · Replicate · arXiv 2508.19209

7. FantasyTalking2（Fantasy-AMAP）

项目内容
名称FantasyTalking2: Timestep-Layer Adaptive Preference Optimization for Audio-Driven Portrait Animation
仓库 URLhttps://github.com/Fantasy-AMAP/fantasy-talking2 （✅ HTTP 200，注意实际仓库名是全小写 fantasy-talking2，FantasyTalking2 拼写返回 404）
是否存在存在（但仅论文页/摘要，未见推理代码或权重）
stars65
license未指定（shields not specified；LICENSE 与 LICENSE on master 均 404 —— 无许可证文件）
last commit2025-08-18（Atom feed <updated>2025-08-18T06:52:07Z；shields august 2025）
2026 活动无（最后提交止于 2025-08-18）
简介音频驱动肖像动画的偏好对齐工作：① Talking-Critic 多模态奖励模型量化多维人类偏好；② Talking-NSQ 大规模多维偏好数据集（410K 偏好对）；③ TLPO（Timestep-Layer adaptive multi-expert Preference Optimization），把偏好解耦为专家模块并按 timestep/网络层融合。声称在口型准确度、运动自然度、视觉质量上均优于基线。
论文arXiv 2508.11255（AAAI 2026，见仓库标题）· 项目页
代码可用性实测 README 全文仅含 Abstract + Citation，未找到 inference 代码 / 权重 / 安装说明。README 中无 HF 权重链接。

⚠️ 名称陷阱：任务给的 "FantasyTalking2" 大小写不是真实仓库名；真实 URL 是 Fantasy-AMAP/fantasy-talking2。

来源：GitHub · arXiv · 项目页

8. Ditto（antgroup/ditto-talkinghead）

项目内容
名称Ditto: Motion-Space Diffusion for Controllable Realtime Talking Head Synthesis
仓库 URLhttps://github.com/antgroup/ditto-talkinghead （✅ HTTP 200；digital-human/ditto-talkinghead 与 di74/Ditto 均 404）
是否存在存在（蚂蚁集团 Ant Group）
stars891
licenseApache-2.0（README「⚖️ License」节明示；LICENSE 实测为 Apache 2.0 正文）
last commit2025-11-12（Atom feed <updated>2025-11-12T13:58:42Z；shields november 2025）
2026 活动无（最后提交止于 2025-11-12）
模型权重digital-avatar/ditto-talkinghead
论文arXiv 2411.19509，被 ACM MM 2025 接收（2025-07-07）
简介运动空间扩散的可控实时说话头合成。Updates：2025-01-10 开源推理代码 + 模型；2025-01-21 更新 Colab demo；2025-07-11 发布 PyTorch 模型；2025-11-12 开源训练代码（tree/train 分支，作者说明"版本较多、整理时间有限，可能与论文版略有差异"）。

来源：GitHub · HF · arXiv · 项目页

9. MEMO（MEMO: Memory-Guided Diffusion）

项目内容
名称MEMO: Memory-Guided Diffusion for Expressive Talking Video Generation
仓库 URLhttps://github.com/memoavatar/MEMO （✅ HTTP 200；MEMO-Avatar/MEMO、magic-research/memo、antonioo/MEMO 均 404）
是否存在存在
stars1.1k
licenseApache-2.0（shields 实测；LICENSE 实拉为 Apache License 2.0 正文）
last commit2025-08-06（Atom feed <updated>2025-08-06T15:27:15Z；shields august 2025）
2026 活动无（最后提交止于 2025-08-06）
模型权重memoavatar/memo（hf-mirror API 实测 200）
论文arXiv 2412.04448 · 项目页
简介记忆引导扩散的表情丰富说话视频生成。作者：Longtao Zheng, Yifan Zhang, Hanzhong Guo, Jiachun Pan, Zhenxiong Tan, Jiahao Lu, Chuanxin Tang, Bo An, Shuicheng Yan（NTU 等）。
⚠️ 重要限制README 明写：仓库只包含 MEMO-preview 模型的示例推理脚本；「To reduce potential risks, we have only open-sourced a preview model for research purposes.」——仅开源预览模型，非完整版。生态：社区 ComfyUI 集成、Gradio app、Jupyter notebook。

来源：GitHub · HF · arXiv · 项目页

10. Sonic（tencent-ailab Sonic）

项目内容
名称Sonic: Shifting Focus to Global Audio Perception in Portrait Animation
仓库 URLhttps://github.com/jixiaozhong/Sonic （✅ HTTP 200）—— ⚠️ tencent-ailab/Sonic 不存在（404），真实托管在作者个人账号 jixiaozhong 下
是否存在存在
stars3.3k
licenseCC BY-NC-SA 4.0（LICENSE 实拉正文首行 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International）—— 非商用
last commit2026-01-08（Atom feed <updated>2026-01-08T11:32:14Z；shields january = 2026-01）
2026 活动有（截至 2026-01-08）
论文CVPR 2025（CVPR 开放获取 PDF）· 项目页
简介强调全局音频感知的肖像动画（CVPR 2025）。生态：官方 Gradio demo、HF Space xiaozhongji/Sonic、社区 ComfyUI_Sonic；团队 2025-05-06 另开源情绪表达系统 DICE-Talk。

⚠️ 商用限制：CC BY-NC-SA 4.0（署名-非商业-相同方式共享），README 明确提示商业化需另行处理。

来源：GitHub（jixiaozhong/Sonic） · 项目页 · CVPR 2025 论文

11. FLOAT（deepbrainai-research/float）

项目内容
名称FLOAT: Generative Motion Latent Flow Matching for Audio-driven Talking Portrait
仓库 URLhttps://github.com/deepbrainai-research/float （✅ HTTP 200）
是否存在存在（DeepBrain AI Research）
stars492
licenseCC BY-NC-ND 4.0（README「❗License❗」节 + 2025-02-17 Updates 均指向 creativecommons.org/licenses/by-nc-nd/4.0；仓库内无 LICENSE 文件，/LICENSE 返回 404，故 shields 显示 not identifiable by github）—— 非商用 + 禁止演绎
last commit2025-11-10（Atom feed <updated>2025-11-10T14:06:06Z；shields november 2025）
2026 活动无（最后提交止于 2025-11-10）
论文arXiv 2412.01064，被 ICCV 2025 接收（2025-06-26）
简介基于 flow matching 的音频驱动说话肖像生成。核心：不用像素级 latent，而用学习到的正交运动 latent 空间（orthogonal motion latent space），实现时序一致的 motion 生成与编辑；transformer 向量场预测器 + 逐帧条件机制；支持语音驱动情绪增强（speech-driven emotion enhancement）。作者：Taekyung Ki, Dongchan Min, Gyeongsu Chae。2025-02-17 开源推理代码 + checkpoints。

来源：GitHub · arXiv · 项目页

12. MuseTalk 1.5 / 2.0（TMElyralab/MuseTalk）

项目内容
名称MuseTalk（Real-Time High-Fidelity Video Dubbing via Spatio-Temporal Sampling）
仓库 URLhttps://github.com/TMElyralab/MuseTalk （✅ HTTP 200）
是否存在存在
stars6.6k
licenseMIT（master/LICENSE 实拉正文首行 MIT License；main/LICENSE 返回 000/超时，shields 因默认分支探测失败显示 not identifiable by github —— 以实体文件为准，MIT）
last commit2025-09-26（Atom feed <updated>2025-09-26T05:44:17Z；shields september 2025）
2026 活动无（最后提交止于 2025-09-26）

版本核实结论：2026 年最新公开版本仍是 1.5，不存在 MuseTalk 2.0

模型权重TMElyralab/MuseTalk（hf-mirror API 实测 200）
简介实时唇形同步（video dubbing / lip-sync）。1.5 版引入 perceptual loss + GAN loss + sync loss 联合训练，两阶段训练策略 + 时空数据采样，在视觉质量与口型精度间取平衡。是"音改口型"而非"整脸动画"，因此常与 Wav2Lip/LatentSync 同类对比。

"MuseTalk 2.0" = 未找到（无仓库 tag、无 HF 权重、无 README 条目、无 release）。

来源：GitHub · HF · arXiv 2410.10122

13. LatentSync 1.6 / 2.x（bytedance/LatentSync）

项目内容
名称LatentSync（End-to-end lip sync leveraging audio conditioned latent diffusion models）
仓库 URLhttps://github.com/bytedance/LatentSync （✅ HTTP 200）
是否存在存在
stars6.1k
licenseApache-2.0（shields 实测 Apache-2.0）
last commit2025-06-20（Atom feed <updated>2025-06-20T07:36:51Z；shields june 2025）
2026 活动无（最后提交止于 2025-06-20）

版本核实结论：最新为 1.6，不存在 2.x

"LatentSync 2.x" / "LatentSync 2.0" = 未找到（无 README 条目、无 HF 权重、无 release）。第三方博客提到 2026 年语境（如 sync.so 的 2026 评测文），但不代表存在 2.x 版本。

来源：GitHub · HF 1.6 · arXiv

🆕 额外发现：2026 年值得注意的实时流式数字人开源项目

这些不在原始候选清单内，但在核实过程中确认是 2026 年新建/活跃的实时流式（streaming）avatar 项目，且工程指标（FPS/延迟/消费级显卡可跑）明确公开，比清单里多数"停更"候选更贴合"实时数字人"目标。

A1. SoulX-FlashTalk（Soul-AILab，2026）

项目内容
仓库 URLhttps://github.com/Soul-AILab/SoulX-FlashTalk （✅ HTTP 200）
stars1.5k
licenseApache-2.0（shields 实测）
last commit2026-07-30（Atom feed <updated>2026-07-30T09:13:58Z；shields july）
权重Soul-AILab/SoulX-FlashTalk-14B（hf-mirror API 实测 200）
简介首个做到亚秒级启动延迟（0.87s）+ 实时 32 FPS（8×H800 节点）的 14B 模型。全称："Real-Time Infinite Streaming of Audio-Driven Avatars via Self-Correcting Bidirectional Distillation"。
时间线2025-12-30 技术报告 + 项目页；2026-01-08 开源推理代码 + 模型权重。
论文arXiv 2512.23379

A2. SoulX-FlashHead（Soul-AILab，2026）—— ⭐ 消费级显卡可实时

项目内容
仓库 URLhttps://github.com/Soul-AILab/SoulX-FlashHead （✅ HTTP 200）
stars1.1k
licenseApache-2.0（shields 实测）
last commit2026-05（shields may = 2026-05；Atom feed 当日探测超时，未能取得精确日）
权重Soul-AILab/SoulX-FlashHead-1_3B（hf-mirror API 实测 200）· 数据集 Soul-AILab/VividHead
简介"Oracle-guided Generation of Infinite Real-time Streaming Talking Heads"。明确给出消费级显卡指标：Model_Lite 单张 RTX 4090 可达 96 FPS（或 3 路并发各 25+ FPS 实时）；Model_Pro 单张 RTX 4090 为 10.8 FPS，两张 RTX 5090 可实时（25+ FPS）。
生态Gradio app（2026-03-04）、ComfyUI 节点 ComfyUI_RH_FlashHead（2026-03-02）、HF Space 在线 demo（2026-03-09）
时间线2026-02-07 技术报告 + 数据集；2026-02-12 开源推理代码 + 权重 + 项目页
论文arXiv 2602.07449

💡 对本地 16GB 显存（RTX 5060 Ti）选型最有参考价值的一项：1.3B 模型、Model_Lite 在 4090 上 96 FPS，是清单中唯一给出"消费级单卡实时"明确数字的流式说话头项目。

A3. LiveAvatar（Alibaba-Quark，ECCV 2026 Spotlight）

项目内容
仓库 URLhttps://github.com/Alibaba-Quark/LiveAvatar （✅ HTTP 200）
stars2.4k
licenseApache-2.0（README「📜 License Agreement」：主体 Apache 2.0；基座 Wan 模型同为 Apache 2.0）
last commit2026-08-24（Atom feed <updated>2026-08-24T15:10:10Z；shields august）
权重Quark-Vision/Live-Avatar（hf-mirror API 实测 200）
简介算法-系统协同设计的实时流式无限长交互 avatar：14B 扩散模型，多卡 H800 上 45 FPS、4-step 采样，Block-wise Autoregressive 处理支持 10,000+ 秒流式视频。
时间线2025-12-04 论文 + demo 页；2025-12-08 实时推理代码 + 权重；2025-12-12 单卡 80GB 推理代码；2026-01-20 v1.1（FP8 量化 → 可用 48GB 显卡推理；编译 + cuDNN attention 提速峰值 ~2.5×、均值 3×，多 H800 稳定 45+ FPS）；2026-06-18 被 ECCV 2026 接收为 Spotlight。
论文arXiv 2512.04677

⚠️ 显存门槛高：v1.1 的 FP8 路线仍需 48GB 卡；16GB 消费卡不可行。

A4. Linly-Talker-Stream（Kedreamix）

项目内容
仓库 URLhttps://github.com/Kedreamix/Linly-Talker-Stream （✅ HTTP 200）
stars133
licenseApache-2.0（shields 实测）
last commit2026-02（shields february = 2026-02）
简介"Linly-Talker-Stream: Real-Time Streaming Conversational Digital Human System —— 全双工、低延迟、实时交互数字人框架"。是 Linly-Talker 系列的流式全双工版本，偏系统集成（ASR + LLM + TTS + 渲染编排）而非单一生成模型。

A5. SentiAvatar（SentiAvatar/SentiAvatar）—— 3D 交互数字人

项目内容
仓库 URLhttps://github.com/SentiAvatar/SentiAvatar （✅ HTTP 200）
stars453
license未指定（shields not identifiable by github；未查到明确开源许可，需自行核对仓库 LICENSE）
last commit2026-04（shields april = 2026-04）
简介SentiPulse 与 GSAI 联合开源，被称为首个交互式 3D 数字人框架，2026 年 4 月全球开源（人民网报道 · PRNewswire 稿）。与上述 2D 视频生成路线不同，属 3D 驱动方向。

📊 汇总速查表

#名称仓库存在starslicenselast commit2026 活跃类型
1Realtime-VenusinclusionAI/Realtime-Venus✅40Apache-2.02026-09-21✅全双工对话/异步委派（含 TTS，非视频生成）
2aWan-DancerWan-Video/Wan-Dancer✅432Apache-2.02026-07-17✅音乐→舞蹈视频（非数字人）
2bWan2.2-S2VWan-Video/Wan2.2✅18k(整仓)Apache-2.02026-09-21✅音频驱动说话视频
3aHallo3fudan-generative-vision/hallo3✅1.4kMIT2025-03-13❌肖像动画
3bHallo4fudan-generative-vision/hallo4✅38未指定2025-11-30❌肖像动画（DPO）；权重门控
4EchoMimic V3antgroup/echomimic_v3✅1.1kApache-2.02026-03-18✅多模态人体动画，1.3B，12GB 可跑
5HunyuanVideo-AvatarTencent-Hunyuan/HunyuanVideo-Avatar✅2.2k腾讯混元社区许可2025-12-16❌多角色情绪数字人
6OmniHuman-1.5无仓库❌ 闭源未查到未查到未查到API-only闭源 API（fal / Replicate）
7FantasyTalking2Fantasy-AMAP/fantasy-talking2✅65未指定2025-08-18❌偏好对齐（仅摘要，无代码）
8Dittoantgroup/ditto-talkinghead✅891Apache-2.02025-11-12❌实时说话头（含训练码）
9MEMOmemoavatar/MEMO✅1.1kApache-2.02025-08-06❌记忆引导（仅 preview 模型）
10Sonicjixiaozhong/Sonic✅3.3kCC BY-NC-SA 4.02026-01-08⚠️ 止于 1 月肖像动画（非商用）
11FLOATdeepbrainai-research/float✅492CC BY-NC-ND 4.02025-11-10❌Flow matching 说话肖像（非商用）
12MuseTalkTMElyralab/MuseTalk✅6.6kMIT2025-09-26❌唇形同步；最新 1.5，无 2.0
13LatentSyncbytedance/LatentSync✅6.1kApache-2.02025-06-20❌唇形同步；最新 1.6，无 2.x
A1SoulX-FlashTalkSoul-AILab/SoulX-FlashTalk✅1.5kApache-2.02026-07-30✅流式 avatar，0.87s 延迟 / 32 FPS
A2SoulX-FlashHeadSoul-AILab/SoulX-FlashHead✅1.1kApache-2.02026-05✅流式说话头，4090 单卡 96 FPS
A3LiveAvatarAlibaba-Quark/LiveAvatar✅2.4kApache-2.02026-08-24✅流式无限长，45 FPS（H800）/48GB 卡
A4Linly-Talker-StreamKedreamix/Linly-Talker-Stream✅133Apache-2.02026-02✅全双工流式对话数字人（系统集成）
A5SentiAvatarSentiAvatar/SentiAvatar✅453未指定2026-04✅交互式 3D 数字人框架

🎯 关键结论

  1. 13 个候选名中，12 个能对应到真实公开仓库；只有 "OmniHuman-1.5" 是彻底闭源 API-only（GitHub 无仓库、HF 无官方权重、仅有 fal.ai / Replicate 端点）。
  2. 两个版本号是虚构/未找到的：
    • MuseTalk 2.0 → 未找到（官方最新 1.5，2025-03-28 发布；HF 仅 TMElyralab/MuseTalk）
    • LatentSync 2.x → 未找到（官方最新 1.6，2025-06-11 发布；HF 仅 ByteDance/LatentSync / -1.5 / -1.6）
  3. 仓库名易错点：Fantasy-AMAP/fantasy-talking2（全小写）、jixiaozhong/Sonic（不是 tencent-ailab）、memoavatar/MEMO、inclusionAI/Realtime-Venus、Alibaba-Quark/LiveAvatar、fudan-generative-vision/hallo4（默认分支 master）。
  4. 2026 年仍有提交的只有 7 个：Realtime-Venus(2026-09-21)、Wan2.2(2026-09-21)、Wan-Dancer(2026-07-17)、EchoMimicV3(2026-03-18)、Sonic(2026-01-08)，加上额外的 SoulX-FlashTalk(2026-07-30)、LiveAvatar(2026-08-24)、SoulX-FlashHead(2026-05)、Linly-Talker-Stream(2026-02)、SentiAvatar(2026-04)。
  5. "实时/流式"真正对口的是额外发现的三项：SoulX-FlashHead（消费级 4090 单卡 96 FPS / 1.3B）、SoulX-FlashTalk（14B / 0.87s / 32 FPS @8×H800）、LiveAvatar（14B / 45 FPS @多卡 H800，48GB 单卡可推理）。原候选清单里的 Ditto（"Realtime"）虽标称实时，但已 10 个月无更新。
  6. 许可红线：Sonic 是 CC BY-NC-SA 4.0、FLOAT 是 CC BY-NC-ND 4.0（均禁商用）；HunyuanVideo-Avatar 是腾讯混元社区许可（非 SPDX 标准）；Hallo4 / FantasyTalking2 / SentiAvatar 无明确许可证——商用前必须逐一确认。
  7. Hallo4 性价比极低：38 star、5 commit、无 LICENSE、HF 权重门控（401）、需 H100 级测试环境，且 2025-11 后停更。

📚 来源清单

代码仓库（均于 2026-09-22 实测 HTTP 200）

不存在（404 实测）

模型权重 / 论文 / 项目页

📎 附录：父任务侧（同工作区并行核实）补充数据点

以下条目由父任务侧独立核实并于 2026-09-22 同步给本报告，本次未由我二次独立复核（模型权重体积类数据无法用上面的 shields/Atom 方法验证，故单独列出，标注来源）。

项目父任务侧补充数据点我的核实是否一致
Realtime-Venus只出语音不出脸（9B 全双工对话前端）；单模型 ~18.7GB bf16✅ 一致（我独立确认仓库/星数/许可/时间；"只出语音"结论一致）
Wan-DancerHF Wan-AI/Wan-Dancer-14B 权重 85.67GB；实测环境 8×A800 80GB✅ 环境一致（我从 README 独立读到 8×A800 80GB）；权重体积未独立复核
Wan2.2-S2VHF Wan-AI/Wan2.2-S2V-14B，49.15GB体积未独立复核（仓库/权重存在性已独立确认）
EchoMimic V3AAAI 2026✅ 一致（我另确认 2026-01-22 发布 EchoMimicV3-Flash）
HunyuanVideo-Avatar自定义许可；官方最低 24GB许可 ✅ 一致（腾讯混元社区许可）；24GB 门槛未独立复核（README 另载社区 Wan2GP 可单卡 10GB）
OmniHuman-1.5bytedance/OmniHuman* 全 404，仅 Replicate/fal.ai API✅ 完全一致
Soniclast commit 2026-01✅ 一致（Atom feed 精确到 2026-01-08）
MuseTalk官方 News 2025-03-28；2.0 未找到✅ 完全一致
LatentSync官方 News 2025-06-11，18GB 门槛；2.x 未找到✅ 一致（18GB 我从 README 独立读到；我另确认 HF 仅 ByteDance/LatentSync/-1.5/-1.6）
DittoACM MM 2025✅ 一致（我另确认 2025-11-12 开源训练代码）
MEMOlast commit 2025-08✅ 一致（Atom feed 精确到 2025-08-06；另确认仅开源 preview 模型）
FantasyTalking2last commit 2025-08、2026 无活动✅ 一致（Atom feed 精确到 2025-08-18）
Hallo3 / Hallo4hallo3 last commit 2025-03；hallo4 仅 38⭐、last commit 2025-11✅ 完全一致（另确认 hallo4 权重门控 401、无 LICENSE）
FLOATlast commit 2025-11✅ 一致（Atom feed 精确到 2025-11-10；另确认 CC BY-NC-ND 4.0）

数据来源（badge/API，非人写）

下载此文件