O EchoMimicV2 é uma tecnologia de animação de corpo inteiro de meia altura desenvolvida pela equipe de tecnologia de terminal da Ant Financial (支付宝蚂蚁集团). Ele gera vídeos de animação de alta qualidade usando imagens de referência, clipes de áudio e sequências de gestos, garantindo a coerência entre o conteúdo de áudio e os movimentos da metade superior do corpo. Esta tecnologia simplifica o processo de criação de animação tradicionalmente complexo. Através de uma estratégia de coordenação dinâmica Áudio-Pose, incluindo amostragem de pose e difusão de áudio, ela melhora a expressividade dos detalhes da metade superior do corpo, rosto e gestos, ao mesmo tempo em que reduz a redundância condicional. Além disso, ele usa um mecanismo de atenção parcial da cabeça para integrar perfeitamente os dados do avatar no framework de treinamento. Este mecanismo pode ser omitido durante a inferência, facilitando a criação de animações. O EchoMimicV2 também apresenta uma perda de ruído em estágios específicos para orientar o movimento, os detalhes e a qualidade inferior da animação em estágios específicos. A tecnologia superou os métodos existentes em avaliações quantitativas e qualitativas, demonstrando sua posição de liderança no campo da animação de corpo inteiro de meia altura.