EchoMimic是一款基于音频驱动的人脸动作生成工具，能同时用音频和指定的面部特征来生成视频，且通过多模态学习技术，使得生成的视频更加生动、自然、稳定。这下好了，任何语音，无论是说话还是唱歌，都可以根据参考面部特征生成生动有趣的动态照片数字人视频！