复旦开源的项目Hallo，一个根据音频和图片生成说话视频的项目，已经适配了ComfyUI插件。虽然安装过程中需要的依赖较多，门槛相对较高，但这一开源生态的出现，为后续的转绘和其他流程提供了更多的可能性和乐趣。
Hallo项目通过输入音频，可以让面部照片开始说话，并且伴随着相应的表情，效果看起来非常自然。这个项目采用了端到端的扩散范式，引入了分层的音频驱动视觉合成模块，以提高音频输入与视觉输出之间的对齐精度，包括唇部、表情和姿势的运动。
这种分层音频驱动的视觉合成模块，提供了对表情和姿势多样性的自适应控制，更有效地实现了针对不同身份的个性化定制。这意味着，无论是谁的面部照片，都可以通过Hallo项目生成说话的视频，而且效果自然，仿佛真人在说话一般。
尽管Hallo项目的安装过程可能相对复杂，但它的出现无疑为开源生态带来了新的活力。随着技术的不断发展，我们可以期待未来会有更多这样的项目出现，为我们的生活带来更多的便利和乐趣。
插件地址：https://github.com/AIFSH/ComfyUI-Hallo