ऑडियो-संचालित मॉडल जो मल्टी-स्ट्रीम ऑडियो और एक संदर्भ छवि से कई लोगों का संवादात्मक वीडियो जेनरेट करता है।
कई लोगों के बीच बातचीत जेनरेट करें, जिनमें से प्रत्येक का लिप-सिंक उनके अपने ऑडियो से हो।
MultiTalk ऑडियो-संचालित मल्टी-पर्सन संवादात्मक वीडियो के लिए MeiGen-AI का एक फ्रेमवर्क है। अलग-अलग ऑडियो स्ट्रीम, एक संदर्भ छवि और एक प्रॉम्प्ट दिए जाने पर, यह मेल खाते लिप-मोशन के साथ लोगों को आपस में बातचीत करते हुए रेंडर करता है। यह मजबूत GPU वाले डेवलपर्स के लिए उपयुक्त है।
README में मल्टी-स्ट्रीम ऑडियो इनपुट और एक प्रॉम्प्ट का वर्णन है, जिसमें मल्टी-GPU इन्फेरेंस, TeaCache, APG और एक लो-VRAM मोड शामिल है जो एक RTX 4090 पर 480P चलाता है। वर्तमान कोड केवल एक GPU पर 480P का समर्थन करता है, और 720P के लिए कई GPU की आवश्यकता होती है।
यह इंटरव्यू जैसी मल्टी-स्पीकर क्लिप बनाने वाले शोधकर्ताओं और डेवलपर्स के लिए उपयुक्त है। यह स्टूडियो, टेम्प्लेट या इन-बिल्ट आवाज़ें चाहने वाले उपयोगकर्ताओं के लिए उपयुक्त नहीं है।
अलग-अलग ऑडियो ट्रैक प्रत्येक व्यक्ति को संचालित करते हैं।
एक टेक्स्ट प्रॉम्प्ट वर्णन करता है कि लोग कैसे बातचीत करते हैं।
सिंगल RTX 4090 पर 480P।
torchrun स्क्रिप्ट्स GPU में काम फैलाती हैं।
त्वरण और आर्टिफैक्ट-कमी के विकल्प।
कम्युनिटी इंटीग्रेशन 8 GB VRAM तक पहुँचते हैं।
Apache-2.0 के तहत निःशुल्क। README में किसी होस्टेड या पैड प्लान की सूची नहीं है, इसलिए एकमात्र लागत आपका अपना या किराए पर लिया गया GPU है।
897 खुले रिमोट AI-ट्रेनिंग रोल, 17 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
हाँ। यह मल्टी-स्ट्रीम ऑडियो इनपुट लेता है और प्रत्येक व्यक्ति को उनके अपने ऑडियो से संचालित करता है।
480P पर हाँ: README कहता है कि लो-VRAM मोड सिंगल RTX 4090 पर 480P सक्षम करता है। 720P के लिए कई GPU चाहिए।
कोड Apache-2.0 है; इसके द्वारा डाउनलोड किए जाने वाले बेस मॉडल वेट्स का लाइसेंस जांच लें।
Google में Zekai को सबसे पहले देखें