跨模态提示词增强

SyncDreamer：超越说话头部的可控且富有表现力的虚拟人生成

SyncDreamer: Controllable and Expressive Avatar Generation Beyond the Talking Head

用 Diffusion Transformer 直接从单图+语音+文本提示词生成全身说话数字人，其视觉适配器与注意力定位损失可复用于任何需要身份保持的条件生成任务；音频动力学编码器把节奏/能量等连续语音特征注入扩散过程，为语音驱动的细粒度运动控制提供了可借鉴的条件注入方式。