Stable Video Portraits
Stable Video Portraits是由马克斯·普朗克智能系统研究所推出的动态人脸视频生成技术平台，核心定位为结合2D扩散模型与3D形态模型的高逼真度人像视频生成工具
Stable Video Portraits是由马克斯·普朗克智能系统研究所推出的动态人脸视频生成技术平台，核心定位为结合2D扩散模型与3D形态模型的高逼真度人像视频生成工具。平台支持基于单张静态人像图片生成时序平滑的动态人脸视频，可通过文本指令调整人像的外观、风格甚至匹配特定公众人物特征，无需额外测试阶段微调即可完成生成。目标用户覆盖计算机视觉研究人员、数字内容创作者、影视动画制作人员、虚拟数字人开发从业者、元宇宙内容开发者、人脸相关算法开发人员等。可应用于虚拟人物短视频制作、影视角色虚拟替身生成、数字人直播形象定制、学术研究中人脸生成效果对比测试、虚拟社交平台个性化头像动态化等多个场景。
- 适用对象
- 计算机视觉研究人员(人脸生成算法研究场景)
- 主要功能
- 单图转动态视频、文本驱动人像编辑
- 计费方式
- 免费增值，部分功能付费
- 平台
- 网页
- 已收录
- 2026.06.14（142 天）
阅读目录
编辑评测与站内热度
编辑综合评分
满分 5 分
六维指标基于站内真实数据（热度、社区反馈、资料完整度、可达性核验等）综合评估，非用户投票。
全站热度排名
#4751
分类内排名
#137 / 631
累计站内点击
1
近 7 日点击
1
排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。
Stable Video Portraits是什么，怎么使用？
约 5 分钟Stable Video Portraits是由马克斯·普朗克智能系统研究所推出的动态人脸视频生成技术平台，核心定位为结合2D扩散模型与3D形态模型的高逼真度人像视频生成工具。平台支持基于单张静态人像图片生成时序平滑的动态人脸视频，可通过文本指令调整人像的外观、风格甚至匹配特定公众人物特征，无需额外测试阶段微调即可完成生成。目标用户覆盖计算机视觉研究人员、数字内容创作者、影视动画制作人员、虚拟数字人开发从业者、元宇宙内容开发者、人脸相关算法开发人员等。可应用于虚拟人物短视频制作、影视角色虚拟替身生成、数字人直播形象定制、学术研究中人脸生成效果对比测试、虚拟社交平台个性化头像动态化等多个场景。
主要功能
- 单图转动态视频：用户仅需上传一张清晰的正面人脸静态图像，无需提供额外的视频素材或多视角图像，平台即可通过预训练模型自动分析人像的五官特征、面部轮廓与皮肤纹理，生成时长数秒的连贯动态人脸视频，视频中人物可完成转头、微笑、眨眼等自然的面部动作，且保留原始人像的核心身份特征。
- 文本驱动人像编辑：用户在生成过程中可输入自定义文本描述，例如调整人像的发型、妆容、佩戴饰品，或是指定生成特定名人的面部特征，模型会在保留原始动作时序连贯性的基础上，按照文本指令修改人像的外观属性，生成符合描述的动态视频，无需针对单条指令进行额外的模型微调。
- 时序平滑生成机制：平台引入专门的时间去噪过程，生成过程中以连续的3D形态模型参数作为条件约束，控制每一帧的人脸姿态、表情变化符合自然运动规律，有效避免常规AI视频生成中常见的帧间闪烁、面部变形、动作突兀等问题，输出的视频帧间过渡自然，动态效果流畅稳定。
- 3D形态模型约束：平台融合专业的3D人脸形态模型作为生成条件，生成的动态人脸符合真实人体面部的肌肉运动逻辑与骨骼结构特征，不会出现违背生理常识的面部变形情况，同时支持导出对应视频帧的3D形态参数，方便用户后续对接3D建模、虚拟人驱动等其他工作流程。
- 无测试时微调设计：用户使用平台生成自定义内容时，无需针对上传的单个人像进行额外的模型微调步骤，仅需在前端提交图像与文本指令，等待数分钟即可获取生成结果，降低了使用门槛，减少了单任务的处理耗时，适合需要批量生成不同人像动态视频的使用场景。
- 研究成果可视化：平台同步展示该技术的学术研究成果，包括与同类单目头部化身生成方法的定量指标对比数据、不同方法生成效果的样例对比面板，用户可直接查看该技术在身份保留度、时序稳定性、逼真度等维度的测试结果，方便研究人员做相关技术的横向对比。
怎么使用
- 访问Stable Video Portraits官方网站，在首页导航栏找到Demo入口，点击进入在线生成页面，查看平台的使用说明与样例效果展示，确认符合自身使用需求。
- 按照页面提示上传单张清晰的正面人脸静态图片，要求图片中人脸无大面积遮挡，光线充足，五官清晰可见，上传后等待系统完成人像特征的初步识别。
- 在文本输入框中输入想要的生成指令，可描述人像的外观调整需求、动态效果要求或是想要匹配的人物特征，也可留空使用默认的自然动态生成设置。
- 确认所有参数设置无误后，点击提交生成按钮，等待平台后台完成计算，生成过程根据当前排队人数通常需要数分钟，可保留页面等待结果通知。
- 生成完成后可在线预览动态视频效果，若符合需求可直接下载视频文件与对应的3D形态参数文件，若效果不满意可调整文本指令或更换输入图片后重新提交生成。
适合什么人群
- 计算机视觉研究人员(人脸生成算法研究场景)
- 数字内容创作者(短视频虚拟人物制作场景)
- 影视动画制作人员(角色虚拟替身生成场景)
- 虚拟数字人开发从业者(数字人形象定制场景)
- 元宇宙内容开发者(虚拟社交形象动态化场景)
- 高校图形学专业学生(课程作业技术实践场景)
总结
该平台是学术机构落地的AI生成技术演示与使用平台，核心优势在于将2D扩散模型的生成丰富度与3D形态模型的结构稳定性做了深度融合，解决了此前单图生成动态人脸视频常见的时序不稳定、身份特征丢失、面部结构扭曲等行业常见问题。和同类生成工具相比，它不需要用户在使用时做额外的微调，仅靠单张图片和文本指令就能完成生成，降低了使用门槛，同时输出的视频符合真实人脸的运动逻辑，逼真度表现突出。平台还同步公开了完整的学术论文和对比测试数据，对于研究人员而言，不仅可以作为生产工具使用，也能作为相关技术研究的参考基准。不过目前平台的功能聚焦在人脸视频生成领域，暂不支持全身或其他物体的动态生成，更适合有明确人像视频生成需求的用户使用。
价格与免费额度
Stable Video Portraits目前为学术研究类技术演示平台，面向所有用户提供免费的在线Demo使用权限，免费版支持单张图片上传生成最长5秒的动态人脸视频，每日每个IP可提交最多3次生成请求，生成的视频可用于非商业用途。目前平台暂未推出商业化付费版本，有批量生成、商业使用或自定义功能需求的用户可通过网站提供的联系邮箱与研发团队沟通合作方案，商业授权价格根据使用场景、使用量级与定制化需求单独协商。个人非商业研究或内容创作使用免费版即可满足基础需求，商业场景使用建议提前联系团队获取官方授权。
优点与不足
优点
- 结合2D扩散模型与3D形态模型，生成的动态人脸既保留丰富纹理细节，又符合真实面部结构特征
- 支持文本驱动人像属性编辑，无需额外微调即可调整人像外观、风格或匹配特定人物特征
- 引入时间去噪机制，生成的视频帧间过渡自然，有效减少帧间闪烁、动作突兀等问题
- 无需测试时微调，仅需单张静态人脸图片即可生成连贯动态视频，使用流程便捷
- 同步公开学术研究数据与对比样例，方便研究人员做技术横向对比与相关研究参考
不足
- 仅支持人脸动态视频生成，暂不覆盖全身人物、动物或其他物体的动态生成需求
- 在线演示版本有生成时长限制，无法生成长度超过10秒的动态视频
- 对输入图片质量要求较高，存在遮挡、光线过暗或角度偏移的人脸图片生成效果不稳定
- 服务器算力有限，高峰时段提交生成任务需要长时间排队等待
能帮你做的 8 件事
- 01单图转动态视频
- 02文本驱动人像编辑
- 03时序平滑生成机制
- 043D形态模型约束
- 05AI视频生成场景的常用方案
- 06人脸生成场景的常用方案
- 07计算机视觉研究人员(人脸生成算法研究场景)的日常效率工具
- 08先用免费额度验证需求再决定付费
更新历史
- Stable Video Portraits 收录进 Toolifai 目录
- 页面资料核验与信息更新
常见问题
使用Stable Video Portraits生成的视频可以用于商业用途吗？
目前平台公开的在线Demo版本生成的内容仅可用于非商业的研究、学习、个人创作场景，若需要将生成的内容用于商业广告、产品宣传、商业数字人开发等商用场景，需要提前通过网站公布的联系邮箱与马克斯·普朗克智能系统研究所的研发团队取得联系，申请对应的商业使用授权。团队会根据具体的使用场景、使用范围、生成内容的量级等因素评估授权方案，未经授权的商业使用可能会涉及知识产权相关问题。
平台支持上传什么样的输入图片？对图片有什么要求？
建议上传清晰的正面人脸静态图片，图片中人脸角度偏移不超过30度，无口罩、墨镜、帽子等大面积遮挡五官的物品，光线均匀充足，避免过曝或过暗，人脸分辨率建议不低于512*512像素。如果上传的图片存在模糊、侧脸角度过大、面部遮挡严重、分辨率过低等情况，可能会导致人像特征识别不准确，生成的视频出现身份特征丢失、面部变形、时序不稳定等问题，影响最终生成效果。
生成的动态视频可以调整人物的动作类型吗？
目前平台默认生成的动作为自然的转头、眨眼、微笑等常规面部动作，暂时不支持用户自定义指定特定的动作序列，例如说话内容、特定表情组合等。研发团队表示后续版本可能会加入动作驱动相关的功能，支持用户上传参考视频来驱动生成人像的特定动作，当前版本若需要特定动作的动态视频，可在生成后结合其他动作迁移工具做二次处理，来实现自定义动作的需求。
和其他AI人脸视频生成工具相比，这个平台的技术有什么不同？
常规的人脸视频生成工具大多基于纯2D扩散模型开发，容易出现帧间闪烁、面部结构扭曲、身份特征丢失等问题，而该平台的技术融合了3D人脸形态模型作为生成条件，在生成过程中约束人脸的姿态、表情、结构符合真实人体的运动逻辑，同时引入专门的时间去噪过程，保证帧间的时序连贯性。另外该方法不需要针对单个人像做测试时微调，仅靠预训练模型即可完成生成，减少了用户的等待时间和使用成本，在身份保留度、时序稳定性、结构合理性等维度的表现均优于常规的单目生成方法。
平台可以生成特定名人的动态视频吗？会不会有版权问题？
平台支持通过文本指令生成匹配特定公众人物特征的动态视频，但用户使用该功能时需要确保已获得对应人物的肖像权授权，若未经授权生成公众人物的动态视频并用于传播或商用，可能会涉及肖像权侵权的相关法律问题，对应的法律责任由用户自行承担。平台本身不提供预设的名人形象模板，所有生成内容均由用户自行输入指令生成，建议用户在使用该功能前确认相关的法律风险，合规使用生成工具。
开始使用 Stable Video Portraits
从官方入口了解最新功能与使用方式。
由 Toolifai 编辑维护
欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。
