EchoMimicV2:输入图片、音频和手势视频即可生成“同款”数字人

　　EchoMimicV2是最新的动画生成技术，支持输入一张图、一段手势视频和一段音频，能够生成高质量的半身人类动画该技术通过 Audio-Pose Dynamic Harmonization 策略提升动画细节，简化生成过程，并引入头部局部注意力机制来解决数据稀缺问题。

　　EchoMimicV2通过简化控制条件，实现高质量的半身人类动画生成。

　　采用 Audio-Pose Dynamic Harmonization 策略，提升动画细节与表现力。

　　新基准评估方法显示，EchoMimicV2在效果上优于现有技术。