视频换配音最难的从来不是声音，是嘴。换了台词口型对不上，观众一眼出戏；只改嘴唇的做法，又让头和身体僵在原来的节奏里，越看越怪。开源项目 InfiniteTalk 直接从这个问题下手：它把原视频和新音频一起输入，重新生成一段新视频。
这意味着不只是唇形对齐——头部动作、身体姿态、面部表情都会跟着新音频重新走。手里没有视频、只有一张照片也行，图片加音频就能直接生成说话视频，做数字人口播素材特别省事。
项目有论文打底（arXiv 2508.14033），GitHub 上已经攒了 8100 多 star、一千四百多个 fork。项目方自己对比上一代 MultiTalk，称手和身体的畸变明显减少。480P、720P 都支持，带 int8 量化、多卡推理和极低显存模式，Gradio 演示和 ComfyUI 都接好了，下载就能跑。
翻译配音、课程换音、短视频多语言版本，这类场景现在都可以直接套它做。地址：
正文完