近日，百度联合复旦大学等发布Hallo2，一个可以生成长达数小时且分辨率为4K的人物动画的视觉模型。Hallo2目前已经在GitHub平台开源，供全球开发者免费使用和研究，促进视频生成技术的广泛应用和发展。Hallo2发布后，在海外引发了不小的震动。

　　百度和复旦的研究团队解决了人像视频生成一个很大的痛点：如何提升视频生成的时长和质量。一直以来，生成高质量的人物动画需要耗费大量的时间和人力成本。而百度与复旦联合发布的Hallo2的出现，有望彻底改变这一现状，为数字人、电影制作、虚拟助手、游戏开发等领域带来革命性的变化。这不同于Sora等AI视频生成模型遭遇到的发展瓶颈，Hallo2模型解决的问题更垂直，可落地空间更大。

　　Hallo2是目前首个实现长达一小时、4K分辨率的音频驱动人像动画生成模型。通过创新的图像块丢弃、噪声增强和时间对齐等技术，Hallo2解决了长时视频生成中的外观漂移和视觉不一致问题，支持灵活的语音与文本控制，生成质量达到业内领先水平。

　　Hallo2继承了前代Hallo模型的创新框架，继续采用基于扩散的生成模型和分层音频驱动视觉合成模块，提高了音频与视觉输出之间的同步精度，并经过改进使得各部分的协同作用更加高效，增强了生成动画的质量和真实感。此外，Hallo2 不仅在图像和视频的质量方面有了显著提升，而且大幅增加了动作的丰富性和多样性，可以说为AI驱动的肖像图像动画领域树立了新标杆。

　　行业专家表示，Hallo2的出现，标志着音频驱动的肖像图像动画技术迈入了新的发展阶段。百度基于长期的视觉技术积累，正在瞄准行业痛点进行针对性研究和场景落地，不仅为开发者提供了强大的工具，也为未来各种应用场景下的动画形象创作带来了新的可能性。

　　据悉，百度将在11月12日召开百度世界大会，展现更多AI方面的应用和技术进展。（科文）