無限長影片生成神器！InfiniteTalk 終於免費開源啦
你有沒有想過，有一天影片不再被時間限制，想多長就多長？而且還能跟著聲音自然動嘴巴、做表情，甚至連頭部和肢體的小細節都保持一致。聽起來有點像科幻電影吧？最近我就發現一個超猛的開源專案——InfiniteTalk，真的把這件事變成現實了！
InfiniteTalk 是一個由 MeiGen-AI 推出的音頻驅動影片生成模型，支援從圖片或影片加上聲音輸入，就能生成「無限長」的影片，保持穩定性和人物一致性。完整的程式碼和模型已經在 GitHub 上公開，還能搭配 Hugging Face 和 ComfyUI 使用，網址在這裡 👉 https://github.com/MeiGen-AI/InfiniteTalk
我第一次聽到 InfiniteTalk 的時候，腦袋裡直接冒出一句：「哇，這以後要多少網紅被取代啊！」但認真想一想，這東西對創作者其實是救星，尤其是那種常常需要大量影片素材的人。以前拍影片要架攝影機、打光、修音修影，搞半天才剪好一支，現在只要準備好一張照片或一段影片，再丟一段聲音進去，就能生成無限長的動態畫面，嘴型還會跟語音完美對上，這對懶人（像我這種）根本天堂。
而且 InfiniteTalk 不只是嘴巴動而已，它的厲害之處在於「全身」都有小動作。你知道有些舊的口型生成模型，看久了會覺得詭異，因為人物像僵屍一樣不動，只剩嘴巴在開合。InfiniteTalk 就不一樣，它會讓頭部輕微轉動、眉毛跟表情自然浮現，甚至手部和身體的律動感也能保持一致，看起來超級真實，完全不像機器合成的感覺。
我自己試著想像幾個應用場景，真的會覺得很爽：
- 上班簡報需要一個虛擬講者，直接用自己的照片丟進去，讓它自動講稿。
- 想做語言教學影片，但懶得每天錄影，交給 InfiniteTalk 幫你說課文。
- 開直播沒化妝？沒差，用 InfiniteTalk 生成一個虛擬分身來跟觀眾互動。
這工具真的打開了很多創作可能性。當然啦，我也很清楚，這類技術一定會有人濫用，所以我覺得如果你要玩，記得用在正向創作上，不要去做奇怪的東西，不然到時候整個社群都會對這種技術反感。
我特別喜歡的一點是，InfiniteTalk 支援兩種模式：一是 image + audio，你只要準備一張照片跟一段聲音，就能生成影片；另一個是 video + audio，等於你可以在原本的影片基礎上，延長或者改口型，讓影片看起來像重新拍過一樣。這對做「無限延伸」的內容超級有用，因為理論上它可以一直生成下去，沒有長度限制。
另外，我自己去逛了一下它的 GitHub，除了有完整程式碼，還有搭配 Gradio 和 ComfyUI 的支援。像我這種不是專業工程師的人，就會超依賴 ComfyUI，因為它用拖拉節點的方式就能跑流程，根本不需要很深的程式背景。再加上 Hugging Face 上有模型可以直接下載，基本上就是「拿來即用」。
比較有趣的是，我後來還跑去看 Reddit 上的討論，很多人一開始還以為它只是概念，沒想到真的放出來了。有人測試之後說它比 MultiTalk 還穩，動作更自然，也更能保持人物一致性。當然還是有人在問「VRAM 要多大才跑得動」，這種開源專案少不了這類技術宅的角力戰。不過整體來說，大家都很興奮，因為這是第一次有這麼完整的無限影片解決方案。
我自己最期待的，還是看到更多創作者用它來做實驗。像我有朋友做 podcast，超懶得錄影，他就打算用 InfiniteTalk 來做「有臉的 podcast」，就是單純上傳聲音，再配一張帥照，結果馬上變成影片版節目。觀眾一看就有畫面感，比只有聲音更吸引人。
說到這裡，我覺得未來網路上的「真人」和「虛擬」會更模糊。也許幾年後，我們滑 YouTube 的時候，根本分不出來眼前的講者到底是真人還是 InfiniteTalk 生出來的數位人。不過，身為一個愛玩新科技的人，我其實滿期待的，因為這代表任何人都能有更多方式去表達自己，不再被設備、時間或技術卡住。