MultiTalk
MeiGen-AI/MultiTalkRevisado por IA
Verificado pelo RepoPicks Radar em
O que é MultiTalk?
MultiTalk é um código de pesquisa (NeurIPS 2025) que transforma uma imagem de referência, uma ou mais faixas de voz e um comando escrito em um vídeo em 480p de pessoas conversando, cantando ou interagindo, com os lábios sincronizados com o áudio. Também consegue ler texto em voz alta sozinho, com um modelo de voz embutido (Kokoro). Os clipes são curtos, cerca de 15 segundos. Você executa pelo terminal ou por uma página web simples que você mesmo inicia, depois de configurar Python no Linux, PyTorch para NVIDIA CUDA, FFmpeg e quatro downloads de modelos separados. É necessária uma placa de vídeo NVIDIA.
MultiTalk é grátis e de código aberto (Apache-2.0) e pode substituir HeyGen, Synthesia e D-ID.
Quão fácil é instalar MultiTalk?
D · terminal, várias ferramentas ou placa específica · Linux
Linux é a única plataforma documentada: um ambiente conda, PyTorch e xformers compilados para CUDA 12.1, flash-attn compilado com ninja, FFmpeg, quatro downloads de modelos do Hugging Face e depois mover e criar links simbólicos de arquivos dentro da pasta de pesos antes do primeiro comando. Todos os exemplos presumem uma placa de vídeo NVIDIA.
Em breve: instale com 1 clique pelo app RepoPicks.
MultiTalk no GitHub
- Estrelas
- 3.033em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +4estrelas em 6 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Linux
- Você precisa instalar
- Python, FFmpeg, Placa NVIDIA
- Para compilar a partir do código
- Python, FFmpeg
- Espaço em disco
- 210 MB–570 MB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis
- Licença
- Apache-2.0 (Permissiva)
- Última mudança no GitHub
- 22 de mai. de 2026
Sinais de risco de MultiTalk (5)
- Atençãovídeo realista de pessoas reais falando
O README.md promete "Realistic Conversations" geradas a partir de "a multi-stream audio input, a reference image and a prompt" com "consistent lip motions aligned with the audio". A seção de licença acrescenta que seu uso "must not involve sharing any content that violates applicable laws, causes harm to individuals or groups, disseminates personal information intended for harm, spreads misinformation". Isso pode fazer pessoas reais parecerem dizer coisas que nunca disseram.
revisão por IA
- Infodownloads grandes de modelos que não estão no repositório
O README pede para baixar Wan2.1-I2V-14B-480P, chinese-wav2vec2-base, Kokoro-82M e MeiGen-MultiTalk com huggingface-cli para dentro de ./weights. Esses arquivos somam muitos gigabytes e não fazem parte do repositório.
revisão por IA
- Infopassos de instalação usam links simbólicos com sudo
A preparação do modelo pede para rodar "sudo ln -s {Absolute path}/weights/MeiGen-MultiTalk/multitalk.safetensors weights/Wan2.1-I2V-14B-480P/" e renomear um arquivo dentro do modelo base baixado, ou seja, a instalação altera arquivos com privilégios de administrador.
revisão por IA
- Infosdk de api na nuvem entre os requisitos
requirements.txt inclui "dashscope", a biblioteca cliente do serviço de IA da Alibaba Cloud, embora os comandos documentados rodem localmente.
revisão por IA
- Infoos autores apontam para modelos mais novos
As novidades do README.md citam o InfiniteTalk (ago. 2025) e o LongCat-Video-Avatar-1.5 (21 de maio de 2026) como frameworks mais novos e "upgraded" da mesma equipe; o último commit aqui é de 2026-05-22, e 720p e ComfyUI ainda são itens pendentes na lista Todo.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em MultiTalk
- O espaço total em disco depois de baixar o modelo base Wan2.1 14B e os outros três conjuntos de modelos
- Quanta memória de placa de vídeo é realmente necessária e quanto tempo leva um clipe de 15 segundos
- Se os passos de instalação fixados (wheels de CUDA 12.1, flash-attn 2.7.4) ainda funcionam hoje
- Se funciona no Windows ou no macOS, que não são documentados
- A qualidade real e a deriva de cor que o README menciona em vídeos mais longos