FlashTalk 是 Soul-AILab 开源的 14B 参数数字人口型驱动模型（SoulX-FlashTalk-14B），采用自校正双向蒸馏（Self-Correcting Bidirectional Distillation）架构，支持无限长流式说话视频生成，画质高清、口型同步准确。

核心特性

• 14B 大参数模型：基于 DiT 架构，利用大规模数据训练，生成视频质量高、面部细节丰富
• 无限长流式生成：支持无限时长音频驱动的流式说话视频生成，无需分段拼接，适合直播、长视频等场景
• 自校正双向蒸馏：创新蒸馏技术，兼顾推理效率与生成质量，在消费级 GPU（如 RTX 4090/5090）上达到实时性能
• 高精度口型同步：输入人物图片与音频，自动生成与音频口型同步的逼真说话视频
• 支持 RTX 50 系显卡：基于 PyTorch 2.7+ cu128 构建，原生支持 Blackwell 架构

适用场景

数字人直播、视频配音、虚拟主播、影视后期、实时互动应用

更多信息可参考：https://soul-ailab.github.io/soulx-flashtalk/