本项目基于SadTalkers、大语言模型(chat-gpt、claud等)实现数字人直播的功能, 数字人应用大模型对用户输入的prompt进行回答,在直播场景下,支持长短期记忆; 大语言模型生成回答文本后,会利用tts转成音频文件,应用SadTalker进行唇形、表情合成,使合成的唇形更为流畅、真实以及自然,使数字人的形象更加逼真 目前因暂未支持接入大模型以及未使用GPU进行加速的原因,生成口播视频的速度较慢,因此目前只支持口播功能 后续会接入大语言模型,让数字人能够根据弹幕或者聊天prompt进行口播回答,使虚拟数字人入人类生活,作为恋爱导师,心理咨询师,解决人类的情感需求,打造爆款虚拟人主播
- python: 3.90.12
- node: 15.14.0
- 安装conda,在Linux或WSL上,可以使用以下两个命令自动安装它(源代码)
- 其他安装方式:anaconda
- 初始化环境
```shell
conda create -n vw python=3.10.12
conda activate vw
conda install -c conda-forge nodejs=15.14.0
curl -sL "https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh" > "Miniconda3.sh" bash Miniconda3.sh
- 安装项目依赖
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
conda install ffmpeg
pip install -r requirements.txt
#如需使用DAIN模型进行补帧需安装paddle
# CUDA 11.2
python -m pip install paddlepaddle-gpu==2.3.2.post112 \
-f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
SadTalker-Video-Lip-Sync
├──checkpoints 预训练模型
| ├──BFM_Fitting
| ├──DAIN_weight
| ├──hub
| ├── ...
├──dian_output
| ├── ...
├──examples 原始视频样例
| ├── driven_audio
| ├── driven_video
| ├── first_frame_dir
├
├──results 生成结果存放目录
| ├── ...
├──src 生成视频各个工具类
| ├── ...
├──sync_show
├──third_part
| ├── ...
├──chatbootapp 前端页面展示
├──mysite 基于django框架的服务器
├──inference.py
├──README.md
- 基于SadTalker唇部表情的音画同步视频合成
- 记忆模块优化
- 支持联想记忆
- 提高记忆检索的准确度
- 支持记忆遗忘机制,去除不重要的记忆,让AI更加专注
- 情感涌现模块优化
- 支持模型肢体动作控制
-
支持人物的语气、语速控制
- 语音模块
- 支持Edge(微软)、Bert-VITS2语音切换
- 大语言模型接入
- 融合chatGPT
python inference.py --driven_audio <audio.wav> \
--source_video <video.mp4> \
--enhancer <none,lip,face> \ #(默认lip)
--use_DAIN \ #(使用该功能会占用较大显存和消耗较多时间)
--time_step 0.5 #(插帧频率,默认0.5,即25fps—>50fps;0.25,即25fps—>100fps)
#合成效果展示在./sync_show目录下:
#original.mp4 原始视频
#sync_none.mp4 无任何增强的合成效果
#none_dain_50fps.mp4 只使用DAIN模型将25fps添帧到50fps
#lip_dain_50fps.mp4 对唇形区域进行增强使唇形更清晰+DAIN模型将25fps添帧到50fps
#face_dain_50fps.mp4 对全脸区域进行增强使唇形更清晰+DAIN模型将25fps添帧到50fps
#下面是不同方法的生成效果的视频
#our.mp4 本项目SadTalker-Video-Lip-Sync生成的视频
#sadtalker.mp4 sadtalker生成的full视频
#retalking.mp4 retalking生成的视频
#wav2lip.mp4 wav2lip生成的视频
lip_sync.mp4
视频拼接到一起导致帧数统一到25fps了,插帧效果看不出来区别,具体细节可以看./sync_show目录下的单个视频进行比较。
readme中展示视频做了resize,原始视频可以看./sync_show目录下不同类别合成的视频进行比较。
预训练的模型如下所示:
├──checkpoints
| |──BFM_Fitting
| |──DAIN_weight
| |──hub
| |──auido2exp_00300-model.pth
| |──auido2pose_00140-model.pth
| |──epoch_20.pth
| |──facevid2vid_00189-model.pth.tar
| |──GFPGANv1.3.pth
| |──GPEN-BFR-512.pth
| |──mapping_00109-model.pth.tar
| |──ParseNet-latest.pth
| |──RetinaFace-R50.pth
| |──shape_predictor_68_face_landmarks.dat
| |──wav2lip.pth
预训练的模型checkpoints下载路径:
百度网盘:https://pan.baidu.com/s/15-zjk64SGQnRT9qIduTe2A 提取码:klfv
谷歌网盘:https://drive.google.com/file/d/1lW4mf5YNtS4MAD7ZkAauDDWp2N3_Qzs7/view?usp=sharing
夸克网盘:https://pan.quark.cn/s/2a1042b1d046 提取码:zMBP
#下载压缩包后解压到项目路径(谷歌网盘和夸克网盘下载的需要执行)
cd SadTalker-Video-Lip-Sync
tar -zxvf checkpoints.tar.gz
- 进入 mysite 文件夹
cd mysite
- 安装 mysite 项目依赖
pip3 install -r requirements.txt
- 初始化项目数据库
python manage.py makemigrations
python manage.py migrate
- 启动domain-chatbot项目
python manage.py runserver
- 进入 chatbootapp 文件夹
cd chatbootapp
- 安装 chatbootapp 项目依赖
rm package-lock.json
npm install
- 启动 chatbootapp 项目
npm run dev
- Web访问路径
http://localhost:3000/
- SadTalker:https://github.com/Winfredy/SadTalker
- VideoReTalking:https://github.com/vinthony/video-retalking
- DAIN :https://arxiv.org/abs/1904.00830
- PaddleGAN:https://github.com/PaddlePaddle/PaddleGAN