MuseTalk模型构建指南

一、介绍

MuseTalk 是由腾讯团队开发的先进技术，它是一个实时的音频驱动唇部同步模型。该模型能够根据输入的音频信号，自动调整数字人物的面部图像，使其唇形与音频内容高度同步。

二、特点

• 多语言支持：该模型支持多种语言，包括中文、英文和日文，能够服务于不同语言的用户群体。
• 逼真的同步效果 ：MuseTalk 生成的唇部动作与音频内容高度同步。
• 出色的生成能力 ：‌MuseTalk 在口型生成方面表现出色，‌尤其擅长真人视频生成。‌这种高度逼真的口型同步效果提升了视频的真实感和观看体验。‌

三、模型构建过程

1. 更新基础软件包：

apt-get update
apt-get upgrade
apt-get install -y wget unzip lsof net-tools openssh-server git git-lfs gcc cmake build-essential
apt-get install -y libsndfile1 espeak-ng ffmpeg libasound-dev libportaudio2 libsqlite3-dev

2. 安装 GPU 依赖：CUDA

• 下载 CUDA Toolkit 的密钥环
  • 使用 wget 工具从 NVIDIA 官方下载 CUDA Toolkit 的 GPG 密钥环。这个密钥环用于在安装过程中验证 CUDA 包的签名。
• 安装 CUDA Toolkit 的密钥环
  • 使用 dpkg 工具安装下载的密钥环 .deb 文件。这确保了系统可以验证 CUDA 包的真实性。
• 更新本地包索引
  • 使用 apt-get update 命令更新本地的软件包索引，确保安装时使用的是最新的包信息。
• 安装 CUDA Toolkit
  • 使用 apt-get install 命令安装 CUDA Toolkit 12.1。-y选项自动接受所有提示，无需手动确认。
    以下是具体的命令：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
dpkg -i cuda-keyring_1.0-1_all.deb
apt-key del 7fa2af80
apt-get update
apt-get -y install cuda-toolkit-12-1

• 配置系统环境

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
source ~/.bashrc

3. 安装 Miniconda：

• 下载 Miniconda 安装脚本 ：
  • 使用 wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。
• 运行 Miniconda 安装脚本 ：
  • 使用 bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。

# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-py310_22.11.1-1-Linux-x86_64.sh

# 运行 Miniconda 安装脚本
bash Miniconda3-py310_22.11.1-1-Linux-x86_64.sh

# 初次安装需要激活base环境
conda init bash
source ~/.bashrc

• 注意事项：
• 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。
• 在运行安装脚本之前，您可能需要使用 chmod +x Miniconda3-py310_22.11.1-1-Linux-x86_64.sh 命令给予脚本执行权限。
• 安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 "yes" 以完成安装和初始化。
• 安装完成后，您可以使用 conda 命令来管理 Python 环境和包。

如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。

4. 从 github 仓库克隆项目：

• 克隆存储库：
  • git clone https://gitee.com/empty-snow/MuseTalk.git --depth 1
  • 这个命令使用 git clone 从指定的 GitHub 地址克隆 "Linly-Talker" 项目。--depth 1 参数告诉 Git 只下载最新的历史记录，这减少了需要下载的数据量，使得克隆过程更快。如果没有 --depth 参数，默认情况下 Git 会克隆整个项目的所有提交历史。
• 切换目录：
  • cd MuseTalk
  • 这个命令使用 cd（change directory）命令切换当前工作目录到刚才克隆的 "MuseTalk" 目录中。这意味着接下来执行的所有命令都是在该项目目录下执行。

# 克隆 MuseTalk 项目，只包含最新的提交历史
git clone https://gitee.com/empty-snow/MuseTalk.git --depth 1

# 切换到克隆的项目目录中
cd MuseTalk

请注意，如果 https://github.com/Kedreamix/Linly-Talker.git这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

5. 创建虚拟环境：

# 升级 pip
python -m pip install --upgrade pip

# 更换 pypi 源加速库的安装
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 创建一个名为 musetalk 的新虚拟环境，并指定 Python 版本为 3.10.8
conda create -n musetalk python=3.10.8
# 激活新创建的虚拟环境
conda activate musetalk

6. 下载预训练模型：

• 切换目录 ：

  • cd /MuseTalk
  • 这个命令用于切换当前工作目录到 /MuseTalk。这通常是一个项目的根目录，其中包含了项目的所有文件和子目录。

• 下载权重 ：

• weights

• sd-vae-ft-mse

• whisper

• dwpose

• face-parse-bisent

• resnet18

进入以上链接，按照下面的要求进行模型下载和保存:

./models/
├── musetalk
│   └── musetalk.json
│   └── pytorch_model.bin
├── dwpose
│   └── dw-ll_ucoco_384.pth
├── face-parse-bisent
│   ├── 79999_iter.pth
│   └── resnet18-5c106cde.pth
├── sd-vae-ft-mse
│   ├── config.json
│   └── diffusion_pytorch_model.bin
└── whisper
    └── tiny.pt

7. 安装模型依赖库：

• 切换到项目目录

# 切换到项目工作目录
cd /MuseTalk

• 安装 FFmpeg

# 在base环境中安装特定版本的FFmpeg
conda install ffmpeg==4.2.2

• 安装 WebUI 依赖

# 安装WebUI界面所需的Python依赖库
pip install -r requirements.txt

• 安装 TensorBoard nightly 版本

# 安装TensorBoard的nightly版本，使用阿里云的PyPI镜像源
pip install tb-nightly -i https://mirrors.aliyun.com/pypi/simple

• 安装 OpenMIM

# 安装OpenMIM，一个用于管理模型和依赖的工具
pip install --no-cache-dir -U openmim

• 安装 MMEngine

# 安装MMEngine，一个通用的深度学习训练框架
mim install mmengine

• 安装 MMCV

# 安装MMCV（MegEngine Model Center Vision），至少2.0.1版本
mim install "mmcv>=2.0.1"

• 安装 MMDetection

# 安装MMDetection，至少3.1.0版本的目标检测框架
mim install "mmdet>=3.1.0"

• 安装 MMPose

# 安装MMPose，至少1.1.0版本的人体姿态估计框架
mim install "mmpose>=1.1.0"

8. 运行项目：

cd /MuseTalk
python app.py

四、网页演示