EchoMimicV3是蚂蚁集团推出的高效多模态、多任务框架。框架拥有13亿参数，基于任务混合和模态混合范式，结合新颖的训练与推理策略，实现快速、高质量、强泛化的数字人视频生成。EchoMimicV3基于多任务掩码输入和反直觉任务分配策略，及耦合-解耦多模态交叉注意力模块和时间步相位感知多模态分配机制，让模型在仅13亿参数下，能在多种任务和模态下表现出色，为数字人动画领域带来重大突破。

EchoMimicV3 – 蚂蚁集团推出的多模态数字人视频生成框架 第1张
（图片来源网络，侵删）
EchoMimicV3 – 蚂蚁集团推出的多模态数字人视频生成框架 第2张
（图片来源网络，侵删）