第一个

字节发布 AI 视频生成神器：Goku

字节跳动与香港大学联合开源的视频生成项目 Goku（悟空）是一款基于流动（Rectified Flow）Transformer 架构的先进 AI 视频生成模型，通过文本或图像直接生成高质量视频内容，尤其在虚拟数字人和广告场景中表现突出。

此外，字节还推出了 Goku+，这是一个基于 Goku 的广告视频生成模型，专门用于生成真人出镜的口播广告视频和产品广告宣传片。不过目前只发布了论文，这个模型大概率不会开源？

核心功能

① 文本/图像生成视频：支持生成动画、自然风光、动物行为等多种场景，视频长度可达20秒以上，画面连贯稳定。

② 虚拟数字人生成：Goku+子模型可生成超现实数字人视频，适用于直播带货、客服讲解等场景，手部动作和面部表情高度自然。  

③ 广告视频优化：输入产品图或文本描述，自动生成产品展示或互动广告视频，成本仅为传统方法的1%。

④ 生成质量：在权威测试 VBench 中，文本到视频生成得分达84.85，创下新纪录（SOTA）。  

第二个

开源卖货主播大模型 Streamer-Sales

开源项目 Streamer-Sales 号称能通过 AI 大模型技术，让每个人都能拥有“销冠级”的带货能力。  

Streamer-Sales 是由开发者 PeterH0323 团队打造的卖货主播 LLM 大模型，专注于从商品特点出发，生成激发用户购买欲的解说文案。

它不仅支持文案创作，还集成了虚拟数字人生成、语音交互、实时信息查询等功能，堪称直播带货领域的“瑞士军刀” 

开源地址：https://github.com/PeterH0323/Streamer-Sales

① 智能文案生成

上传商品信息后，模型可通过RAG检索增强技术，结合商品特点自动生成细腻、有吸引力的带货话术。例如，针对一款护肤品，它能从成分、功效、用户评价等维度提炼卖点。  

② 多模态交互 

语音合成（TTS）与语音识别（ASR）：支持将文案转为自然语音，或实时识别观众语音提问并自动回复。  

虚拟数字人：集成曦灵数字人技术，生成逼真主播形象，搭配ComfyUI工具合成带货视频，实现“无人化直播”。 

 

③ 实时信息查询

通过内置的 Agent 功能，可联网查询快递信息、商品价格趋势等数据，提升直播互动性和可信度。 

第三个

浙大×字节开源 MimicTalk

浙江大学与字节跳动联合开源的 MimicTalk 项目，15 分钟极速生成 3D 说话人脸的能力，效果还行！

开源地址：https://github.com/yerfor/MimicTalk

① 15 分钟极速训练 

传统数字人模型需数小时甚至数天训练，而 MimicTalk 通过动静结合的高效微调方案，仅需单段 2 分钟视频 + 15 分钟训练，即可生成个性化模型，效率提升数十倍。

② 表情自然，口型精准

基于 NeRF 技术，MimicTalk 能捕捉细微的面部肌肉运动，实现眉毛挑动、嘴角微扬等自然表情，口型与语音高度同步。用户实测反馈：“比市面多数闭源方案更灵动！”

③ 低成本数据要求

无需专业动捕设备，仅需一段2分钟的自拍视频即可完成数据采集，普通手机摄像头也能胜任。这对中小企业和个人开发者尤为友好。