DreamTalk 是一种基于扩散的音频驱动的富有表现力的头像生成框架，可以生成跨风格说话的高质量头像视频。

该模型在各种输入上都有不错的表现，包括歌曲、多种语言的语音、嘈杂的音频和域外肖像。该团队的论文称，扩散模型在生成具富有表现力的头部头像时，未得到充分探索， DreamTalk 的框架刚好可以填补这一空白。

DreamTalk 由三个关键组件组成：降噪网络、风格感知唇部专家和风格预测器。

实验结果表明，通过三项技术结合的方式，DreamTalk 能够生成具有多种说话风格的逼真说话面孔，并实现准确的嘴唇动作，超越了现有的同类产品。