“区域码本注意力机制”。

CyberHost

CyberHost是一个端到端音频驱动的人体动画生成框架，核心定位是为音频内容匹配符合逻辑的人体全身动态效果。其核心功能包括基于区域码本注意力机制的人体动作生成，可保障手部动作完整性与人物身份一致性；采用双U-Net架构作为基础结构，配合运动帧策略实现动画的时间延续性；支持零样本音频驱动人体视频生成，无需针对特定人物提前训练即可输出自然动态。目标用户覆盖计算机视觉研究人员、动画制作从业者、数字内容