针对人像的语音驱动算法在领域内被形象地称为 “说话头模型（Talker）”，这类算法能够合成与语音匹配的口型与面部动作。「定义开头」，先告诉读者这篇文章研究的是什么东西。Talker 不是聊天机器人，就是我们常说的AI 数字人驱动算法：输入一张人脸图片 + 一段语音，自动让图片里的人做出对应的嘴型、面部表情和头部动作，生成一段说话的视频。翻译：随着文生图（T2I）模型的快速发展，AI 生成说话头像