EchoMimicV2 ist eine von der Alipay Ant Group, Abteilung Endgerätetechnik, entwickelte Technologie zur Erstellung von Halbkörper-Animationen. Sie generiert hochwertige Animationsvideos anhand von Referenzbildern, Audio-Clips und einer Reihe von Gesten, wobei die Konsistenz zwischen Audioinhalten und Halbkörperbewegungen sichergestellt wird. Diese Technologie vereinfacht den bisher komplexen Animationsherstellungsprozess. Durch die Audio-Pose-Dynamik-Koordinationsstrategie, einschließlich Pose-Sampling und Audio-Diffusion, werden die Detailgenauigkeit des Halbkörpers, des Gesichts und der Gesten verbessert und gleichzeitig redundante Bedingungen reduziert. Darüber hinaus integriert sie mithilfe eines Kopf-Teil-Aufmerksamkeitsmechanismus nahtlos Kopfdaten in das Trainingsframework. Dieser Mechanismus kann während der Inferenz weggelassen werden, was die Animationserstellung vereinfacht. EchoMimicV2 beinhaltet auch einen Rauschverlust für bestimmte Phasen, um die Bewegung, Details und die niedrige Qualität der Animation in diesen Phasen zu steuern. Die Technologie übertrifft bestehende Methoden in quantitativen und qualitativen Bewertungen und belegt ihre führende Position im Bereich der Halbkörper-Animationen.