ADEF: 音频驱动的情感融合说话视频生成的研究

ADEF（Audio-Driven Emotion-Fused）是一种音频驱动的说话人视频生成框架，能够将输入音频转换为具有情感表达的说话人视频。该模型由多个子模块组成，包括音频到情感（audio2emo）、情感分类器（emo_classifier）、情感增强器（emo_enhancer）、动作生成器（motion_generator）和动作模板（motion_template）。

📁 模型结构

仓库包含以下子模块及其对应的预训练权重：

• audio2emo/audio2emo.pth：音频的情感分析模型。
• emo_classifier/emo_level_classifier.pth：对情感及其强度进行分类，用作情感-等级损失。
• emo_enhancer/emo_enhancer.pth：情感增强模块。
• motion_generator/emo_dit_100000.pt：音频驱动-情感融合的运动生成器。
• motion_template/motion_template.pkl：提供动作模板以指导生成过程。

🚀 使用方法

1. 克隆仓库并安装依赖项。
2. 参考https://github.com/ZhouXsh/ADEF

📄 许可证

本项目采用 Apache 2.0 许可证。

📬 联系方式

如有问题或建议，请联系仓库维护者 ZhouXSh。