一张照片，演完一部“连续剧”！FlashPortrait 把 AI 人像动画提速 6 倍，重新定义无限长肖像动画

点击下方名片关注AIGC Studio公众号！获取最新AI前沿应用/AIGC实践教程！

“让静态照片开口说话”已经不稀奇，但让同一张照片连续演 3 分钟、3000 帧不崩脸、不漂移、不鬼畜，还把推理时间从 1 小时压缩到 10 分钟——这就是由复旦大学、微软亚洲研究院、西安交通大学、腾讯、阿里巴巴通义实验室刚发布的 FlashPortrait 交出的成绩单。

过去两年，扩散模型（Diffusion）把肖像动画卷出了花：

• 2 秒短视频 → PSNR 30+、FID 10 以内
• 20 秒长视频 → 身份漂移、颜色鬼畜、推理 1 h+

核心矛盾一句话：帧数一多，模型就“失忆”——

• 人脸逐渐“长歪”
• 肤色逐帧“偏色”
• 显存随长度线性爆炸

业界加速套路无非两派：

1. Cache 派：把算过的特征存起来复用，但“大表情”一动就翻车；
2. 蒸馏派：训一个 4-Step 学生网络，结果细节被“蒸馏”没了。

FlashPortrait 的思路是：既不蒸馏，也不硬 Cache，而是“预测”未来几步的潜变量，直接跳过去。

一句话总结：
> 在潜变量空间做“高阶差分”，配合两个动态函数实时校正，复杂表情也能“跳步”而不崩。

• 先拿现成的 PD-FGC 提取“表情向量”
• 再与 CLIP 图像特征做“均值-方差对齐”
• 把分布差距从 𝑂(10²) 压到 𝑂(10⁻¹)
  → 1800 帧后，人脸关键点 MAE 仍 < 13°（SOTA 20°+）

• 每 60 帧一个窗口，重叠 5 帧
• 线性权重融合：w=[0, 0.25, 0.5, 0.75, 1]
  → 肉眼无感过渡，FVD 长视频指标直接降 50%

• 用 三阶差分 近似泰勒展开
• 动态函数 s(t) 感知“表情变化剧烈程度”
• 动态函数 w(l,i) 感知“网络层敏感度”
  → 同样 20 s 视频，720 s 跑完，比 Wan-Animate 快 3×，比 FantasyPortrait 快 6×

> 注：身份漂移 = ‖参考图特征 − 生成图特征‖₂ / ‖参考图特征‖₂

项目已开源：

• 论文：arXiv 2512.16900
• 代码：GitHub – Francis-Rings/FlashPortrait
• Demo：Hugging Face Gradio（20 s 视频 3 分钟出片）

1. Podcast 批量替身
   录 1 小时音频 → 一张照片 → 生成 1 小时对口型视频，剪辑直接省 80%。
2. IP 虚拟主播
   卡通形象 + 直播推流，24 h 不间断，身份永不崩。
3. 影视“数字替身”预演
   替身演员拍一遍，主演脸直接贴，导演现场看效果。

8. 一句话收个尾

当“无限长度”与“实时速度”同时达成，肖像动画才真正从“实验室玩具”变成“生产力工具”。
FlashPortrait 已经开源，下一个爆款短视频，你准备让谁“动”起来？

感谢你看到这里，添加小助手 AIGC_Tech 加入官方 AIGC读者交流群，下方扫码加入 AIGC Studio 星球，获取前沿AI应用、AIGC实践教程、大厂面试经验、AI学习路线以及IT类入门到精通学习资料等，欢迎一起交流学习💗～