自学内容网 自学内容网

LatentSync数字人,一键批量,口型同步,MPS加速(WIN/MAC)

分享一个最近还不错的数字人项目——LatentSync。该项目由字节开源,上传一段音频和视频,即可生成数字人视频。

我对该项目做了些更改,增加了批量和MAC版本的支持,用MAC的小伙伴再也不用遗憾了…

看下我生成的效果。

https://live.csdn.net/v/460345

简单介绍下如何使用

上传一段人物视频和你要生成人物说话的音频。

点击处理视频等待视频生成

https://live.csdn.net/v/460346

批量模式的使用也相同,支持上传多个文件。

批量模式下音频数量一定要和视频数量保持一致,如果缺少是会报错的。

配置需求

WIN

WindowsN卡需8G显存

如果整合包运行报错,需要安装cuda12.4

https://developer.nvidia.com/cuda-12-4-0-download-archive

MAC

MAC Apple Silicon M1/M2/M3/M4 芯片

8G内存

这里MAC用户需注意📢

针对MAC版本我增加了运行模式,两者的区别在于所需要的内存、处理的速度不同。

默认是cpu执行,考虑到有低内存的小伙伴,该模式下8G内存就能跑,但是速度较慢。

MPS针对16G内存以及以上小伙伴,推荐选择该模式,可以达到一个较快的处理速度。

一些问题

该项目目前只在英文数据集上训练过,所以中文效果比较差,但是还是可以用的,没到完全不能看的地步。

关于中文效果不好,可以通过使用中文数据集来训练解决。目前syncnet可以在4090显卡上进行训练,unet则需要50G显存…

别的没啥啦,简单、好用。干就完事了!

整合包获取

👇🏻👇🏻👇🏻下方下方下方👇🏻👇🏻👇🏻

夸夸夸盘:
https://pan.quark.cn/s/90d2784bc502

度度度盘:
https://pan.baidu.com/s/1HwN1k6v-975uLfI0d8N_zQ?pwd=gewd

制作不易,如果本文对您有帮助,还请点个免费的赞或在看!感谢您的阅读!


原文地址:https://blog.csdn.net/weixin_43935971/article/details/145250222

免责声明:本站文章内容转载自网络资源,如侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!