InfiniteTalk V2版 - 声音驱动图片生成高度逼真的说话/唱歌视频 支持50系显卡 ComfyUI+WebUI 一键整合包下载

无言***

InfiniteTalk - 声音驱动图片生成高度逼真的说话/唱歌视频 支持50系显卡 ComfyUI+WebUI 一键整合包下载 ... ...

InfiniteTalk 是一个能根据音频生成无限时长人物说话/唱歌视频的AI模型，无论是给现有视频配音，还是让静态图片“开口说话”，还是让人物图片“唱歌”，它都能实现精准的唇形同步和自然的肢体动作。

今天分享的 InfiniteTalk V2版 ，基于上个版本 的工作流更新升级，新增了适合新手小白操作的WebUI，如果是使用ComfyUI且下载过上个ComfyUI的老司机，无需下载这个版本。WebUI支持自定义切换Wan主模型和InfiniteTalk 模型，网盘自带Q4和Q8两个版本，大家根据自己的显卡切换。当前WebUI只支持单人生成，下个版本会集成双人版。


核心特点 ‌

全维度同步‌  
不仅唇形与音频匹配，还会自动生成对应的‌头部转动、身体姿态和面部表情‌，让虚拟人物更生动。
传统配音工具只调整嘴唇，而InfiniteTalk连肢体语言一起模拟。

无限时长生成‌  
支持超长视频生成（如1小时以上），通过分段处理技术保证连贯性。
普通AI视频模型通常限制在几十秒内。

双模式输入‌  ‌
视频+音频‌：给现有视频换配音（如翻译配音、内容修改）。 ‌
图片+音频‌：让一张静态照片“开口说话”（如虚拟主播、教育视频）。

高稳定性‌  
相比同类模型（如MultiTalk），显著减少了手部扭曲和身体变形的问题。

多分辨率支持‌  
兼容480P和720P，可根据设备性能选择清晰度。


应用领域

‌影视娱乐‌：电影配音、短视频角色配音、虚拟偶像直播 ‌
数字人生成：一键生成数字人视频，助力小白进军自媒体
教育科普‌：定制化教学视频、历史人物“亲口”讲解 ‌
商业宣传‌：品牌虚拟代言人自动生成多语言宣传片 ‌
社交娱乐‌：让自拍照片念台词、生成个性化生日祝福视频


使用教程：（建议N卡，显存8G起，建议cuda≥12.8）

整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹即为模型），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可。

ComfyUI模式
双击启动ComfyUI，进入页面后，点击左侧的 工作流，选择对应的工作流（包含单人+多人+视频驱动视频三种模式），根据需要选择。上传需要生成的人物图片和音频文件，设置相关参数，运行即可。ComfyUI模式，建议专业人士使用，小白可以使用下面的WebUI模式。

WebUI模式
双击启动WebUI，进入页面后，上传需要生成的人物图像和音频文件，设置相关参数，生成即可。
这里说下几个参数，显卡好的，可以下载精度更高的模型，比如 Wan 视频模型 和 InfiniteTalk 模型；加速模式这个参数，默认开启sag加速，如果卡在采样报错，请切换至sdpa或者手动 安装vc编译器；交换块大小默认是20，如果显卡好，比如4090或5090等，可以改成40。

InfiniteTalk 模型可以根据显卡选择，显存8G的可以切换到Q4版，显存≥12G的，建议使用Q8版。其他版本可以 移步此链接 ，下载后，放到ComfyUI\models\diffusion_models 目录，网页端切换即可。


视频教程：https://www.toutiao.com/video/7573598467436626474/



下载地址：
UC网盘：https://drive.uc.cn/s/c815645864824

夸克网盘：

游客，上上宾会员可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 66碎银 购买该资源立即购买

spi***

之前的模型跑不动，希望这款可以吧

8584***

测试了，解压缩错误

无言***

858498686 发表于 2025-11-19 06:57
测试了，解压缩错误

压缩包亲测（多人测试）没问题。
找找自己的问题，新手去看看新手必看这个帖子。

jcchen***

大佬，我看帧最大600，24秒，怎么在小白模式下改成长时间的？

无言***

jcchenwengang 发表于 2025-11-20 11:52
大佬，我看帧最大600，24秒，怎么在小白模式下改成长时间的？

分段吧，太长了显卡吃不消。

fbs***

ComfyUI v3里边有吗？

D***

出错了：

loaded completely 16277.1994140625 1208.09814453125 True
Clip embeds shape: torch.Size([1, 257, 1280]), dtype: torch.float32
Combined clip embeds shape: torch.Size([1, 257, 1280])
The local file (ComfyUI\models\torch\hub\torchaudio\models\hdemucs_high_trained.pt) exists. Skipping the download.
[MultiTalk] --- Raw speaker lengths (samples) ---
  speaker 1: 192000 samples (shape: torch.Size([1, 1, 192000]))
[MultiTalk] total raw duration = 12.000s
[MultiTalk] multi_audio_type=para | final waveform shape=torch.Size([1, 1, 192000]) | length=192000 samples | seconds=12.000s (expected max of raw)
Using GGUF to load and assign model weights to device...
Loading transformer parameters to cuda:0:   3%|▉                                  | 44/1633 [00:00<00:00, 21967.55it/s]
生成视频时出错: 'blocks.0.norm_x.weight'
Traceback (most recent call last):
  File "<frozen app>", line 327, in generate_video
  File "Q:\UC-ND\ComfyUI_InfiniteTalk_V2\ComfyUI_InfiniteTalk_V2\ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\nodes.py", line 2050, in process
    load_weights(transformer, patcher.model["sd"], base_dtype=dtype, transformer_load_device=device, patcher=patcher, gguf=True, reader=gguf_reader, block_swap_args=block_swap_args)
  File "Q:\UC-ND\ComfyUI_InfiniteTalk_V2\ComfyUI_InfiniteTalk_V2\ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\nodes_model_loading.py", line 867, in load_weights
    set_module_tensor_to_device(transformer, name, device=load_device, dtype=dtype_to_use, value=sd[name.replace("_orig_mod.", "")])
                                                                                                 ~~^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
KeyError: 'blocks.0.norm_x.weight'

25237***

CUDA Compute Capability: 8.6
Detected model in_channels: 36
Model cross attention type: i2v, num_heads: 40, num_layers: 40
Model variant detected: i2v_480
MultiTalk detected, patching model...
model_type FLOW
Loading LoRA: Wan21_I2V_14B_lightx2v_cfg_step_distill_lora_rank64 with strength: 1
Requested to load CLIPVisionModelProjection
loaded completely 4246.7599609375 1208.09814453125 True
Clip embeds shape: torch.Size([1, 257, 1280]), dtype: torch.float32
Combined clip embeds shape: torch.Size([1, 257, 1280])
The local file (ComfyUI\models\torch\hub\torchaudio\models\hdemucs_high_trained.pt) exists. Skipping the download.
[MultiTalk] --- Raw speaker lengths (samples) ---
  speaker 1: 192000 samples (shape: torch.Size([1, 1, 192000]))
[MultiTalk] total raw duration = 12.000s
[MultiTalk] multi_audio_type=para | final waveform shape=torch.Size([1, 1, 192000]) | length=192000 samples | seconds=12.000s (expected max of raw)
Using GGUF to load and assign model weights to device...
Loading transformer parameters to cuda:0:   3%|▉                                   | 44/1633 [00:00<00:00, 2749.42it/s]
生成视频时出错: 'blocks.0.norm_x.weight'
Traceback (most recent call last):
  File "<frozen app>", line 327, in generate_video
  File "C:\Users\Administrator\Desktop\ComfyUI_InfiniteTalk_V2\ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\nodes.py", line 2050, in process
    load_weights(transformer, patcher.model["sd"], base_dtype=dtype, transformer_load_device=device, patcher=patcher, gguf=True, reader=gguf_reader, block_swap_args=block_swap_args)
  File "C:\Users\Administrator\Desktop\ComfyUI_InfiniteTalk_V2\ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\nodes_model_loading.py", line 867, in load_weights
    set_module_tensor_to_device(transformer, name, device=load_device, dtype=dtype_to_use, value=sd[name.replace("_orig_mod.", "")])
                                                                                                 ~~^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
KeyError: 'blocks.0.norm_x.weight'
我也是报错了

无言***

2523797596 发表于 2025-11-28 11:24
CUDA Compute Capability: 8.6
Detected model in_channels: 36
Model cross attention type: i2v, num_hea ...

webui模式？模型是不是选错了