一、InfiniteTalk双人数字人
为解决虚拟人长视频生成的质量退化问题，基础研发平台/计算和智能平台部/视觉智能团队推出 InfiniteTalk 技术，实现无限时长视频生成。该技术口型精准且动作流畅，支持“语音驱动图像”和“语音驱动视频”多种模式，已在 GitHub 开源并获 1.6K Stars, Hugging Face 月下载量 64.8K，受到了很多好评，能够应用到电商直播、教育、影视等领域。
应用场景
- 营销： 电商营销视频、商家数字人直播、虚拟人导购
- 培训：虚拟人讲师、虚拟人陪练、在线教育
- 娱乐：短视频创作、虚拟偶像、游戏
二、相关安装
插件音频插件：https://github.com/ryanontheinside/ComfyUI_RyanOnTheInside
模型地址：https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/model_patches
核心就是上面这2个模型，都不是很大，其他的都用wan2.1的模型就好了。
网盘我给大家提供了，自行下载。
模型安装路径：
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └─── Wan2_1-I2V-14B-480p_fp8_e4m3fn_scaled_KJ.safetensors
│ ├── 📂 text_encoders/
│ │ └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors
│ ├── 📂 model_patches/
│ │ ├─── wan2.1_infiniteTalk_single_fp16.safetensors
│ │ └─── wan2.1_infiniteTalk_multi_fp16.safetensors
│ ├── 📂 audio_encoders/
│ │ └─── wav2vec2-chinese-base_fp16.safetensors
│ ├── 📂 vae/
│ │ └─── Wan2_1_VAE_bf16.safetensors
│ ├── 📂 loras/
│ │ └─── lightx2v_I2V_14B_480p_cfg_step_distill_rank64_bf16.safetensors
三、工作流及体验
双人的话和单人的调整的地方不多，我把核心的和大家说一下。
首先是模型这里调整，改成网盘里面的双人模型
然后是素材的处理，我这里给大家搭建了两种形式，通过分组来使用，不过多轮的我测试了一下午发现效果不大行，所以大家暂时先用默认的。
图片需要上传两次，然后使用遮罩涂抹下要说话的人。 音频也要分别上传一下。
最关键的是在WanInfiniteTalkToVideo里面传入2个音频数据以及各自人物的遮罩。
你需要把mode改成two_speakers，才会出现上面的这些选项。
四、总结：
以前KJ版本那边支持的多人多轮对话，官网我测试下来没效果，就是第二个人不说话。问过其他UP主，也说效果不行，白测了一下午。
所以结论就是，想用多人多轮对话的，继续用之前的KJ版本吧。简单就一轮对话的可以用新的这个，单人的也用官版的。