TANGO 是一个由东京大学和 CyberAgent AI Lab 共同推出的开源框架，专注于生成与目标语音同步的全身手势视频。基于分层音频运动嵌入和扩散插值网络，将目标语音音频与参考视频库中的动作完美匹配，确保制作出高保真度、动作同步的视频。TANGO 技术突破极大地降低视频内容制作的成本，包含新闻播报、虚拟人解说和虚拟 YouTube 内容创作等领域，为用户提供一种高效且经济的解决方案。

TANGO – 东京大学和CyberAgent AI Lab推出声音驱动全身手势视频生成框架 第1张
（图片来源网络，侵删）
TANGO – 东京大学和CyberAgent AI Lab推出声音驱动全身手势视频生成框架 第2张
（图片来源网络，侵删）