NanoAvatar 是一个开源项目,可在较旧的 Android 手机上本地运行逼真的说话头像,无需依赖云端 GPU。此次发布包含公开代码、模型权重以及捆绑了模型和用户自有声音头像的 Android APK,支持离线使用。
- Android 运行时利用 Qualcomm QNN 进行推理。
- Full 和 Lite 版本共享同一代码库,但捆绑了不同的模型和头像资源。
- 在搭载 Snapdragon 8 Gen 3 的 Z60 Ultra 上,Lite 版本达到 37 FPS,模型首帧延迟为 112 毫秒。
- 发布的 APK 以固定帧率生成视频:Full 版本为 25 FPS,Lite 版本为 12.5 FPS。
作者欢迎使用 QNN 或将说话头像集成到其应用中的开发者提供反馈。