音频驱动形象Audio-driven
驱动 · 待核
HeyGen 端点「Audio to Video」· 美团/混元都自述 audio-driven ⚠️ 轴名从「音频驱动」改成「音频驱动形象」：前者是通用中文词，视频卷的资源名里本来就有（ComfyUI-FLOAT 音频驱动说话头、Wan2.2-S2V 音频驱动工作流），跨方向检查当场报混入。改名不是为了绕过检查 —— 这一格问的确实是「能不能用音频驱动一个形象」，原名少了最要紧的那个词。各家叫法：audio-driven · audio to video · 音频驱动同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获， 然后把「没找到」写成「官方没说」。
avatar：谁实现了
HeyGen
HeyGen Avatar V
美团 LongCat
LongCat Video Avatar 1.5
模型卡：「production-readiness for audio-driven human video generation」
HF · 美团 LongCat-Video-Avatar-1.5官方来源核验版本 1.5核验于 2026-08-14机器录入
腾讯
HunyuanVideo-Avatar 1.0
标题：「High-Fidelity Audio-Driven Human Animation」
HF · 腾讯 HunyuanVideo-Avatar官方来源核验版本 1.0核验于 2026-08-14机器录入
快手
LivePortrait 1.0
❌ 的依据：它的驱动源只有驱动视频（README 通篇是 driving video / driving frames，用法要求「first frame of driving video is a frontal face with neutral expression」），没有音频输入这条路
HF · 快手 LivePortrait官方来源核验版本 1.0核验于 2026-08-14机器录入
腾讯音乐天琴实验室
MuseTalk 1.0
概述：「real-time high quality audio-driven lip-syncing model trained in the latent space of ft-mse-vae」
HF · 腾讯音乐 MuseTalk官方来源核验版本 1.0核验于 2026-08-14机器录入
复旦大学
Hallo2 Hallo-Live
标题：「Hallo2: Long-Duration and High-Resolution Audio-driven Portrait Image Animation」 ⚠️ 这条证据核的是 Hallo2；Hallo-Live 的模型卡只有标题与论文号，没有逐项能力说明 —— 标待重核，不沿用。
HF · 复旦 Hallo2官方来源核的是 2 · 现已是 Hallo-Live，未重核核验于 2026-08-14机器录入