大噶好呀,我还是那个超喜欢AI的Glen。最近AI圈,数字人好家伙越来越靓仔了,各家都在推出“开源最强”的数字人,虽然我一再出手,给大家制作并分享了很多数字人的整合包。
但,选择太多了,咋知道哪个适合自己呢?总不能“我+困难=放弃”,对吧?
不可!作为宠粉狂魔的我,不可能让大家面临如此窘境!
所以我果断出手!
为大家一次性把之前分享过的数字人相关整合包,做个盘点,包含实现的效果,需要的配置,生成的时间等等,让大家一口气看完目前开源数字人到底哪家强,一起选择最好的挖掘机!
数字人火火火!
要说AI圈到底啥最火,那好像、也许、可能、大概、估计就是数字人了。
AI绘画的发布者,Stability AI经常传出即将倒闭。国内外大模型的巨头们,更是已经卷成了一锅粥。现在很多大模型的接口调用,已经卷成了白菜价,1块钱就可以生成几本红楼梦,这还咋赚钱呢?!
然鹅,数字人在AI圈,那可是实实在在可能带来巨大收益!咱们直接举个栗子:今年4月中旬,京东刘强东的数字人“采销东哥”亮相京东的直播间,不仅复刻了刘强东的语速、口音,习惯性动作也一模一样。
在讲话时偶尔搓动手指,强调某件事时会配合更大幅度的手部动作,还有时不时地点头等。围观网友表示,都不太能看得出这个东哥竟然是数字人!
这场首秀不到1小时,直播间观看量就超过了2000万,整场直播累计成交额超5000万。
在这场直播大获成功之后,今年618大促期间,京东又发起了一场“总裁数字人直播”活动。格力、海信、LG、名创优品、洁丽雅石、科沃斯、vivo、三星等企业高管“组团”化身数字人下场直播。
京东方面披露的数据显示,截至目前,言犀数字人已累计服务品牌超5000家,带动GMV超百亿。
这样巨大的收益,让很多人都开始关注数字人。要实现这样的效果,目前还是价值不菲,但AI技术持续在进步,开源领域产生的数字人也越来越强了!
接下来,就让我来给大家盘点那些超强的开源数字人~
开源数字人哪家强
数字人技术,这个曾经只在科幻电影中出现的概念,如今正一步步走进我们的现实生活。随着AI技术的飞速发展,开源数字人技术的竞争愈发激烈,各大厂纷纷亮出自家的王牌产品。
接下来,我们一起来看下各大开源数字人的效果,将会基本按照技术进步的先后顺序来进行盘点,大家也可以一目了然的看到技术在逐渐进步!
①Wav2lip:Wav2Lip算法是一种基于深度学习的语音驱动面部动画生成算法,是最早期数字人运用的技术,该算法的核心思想是将语音信号中的信息映射到面部动画参数中,从而生成逼真的面部动画。
-
生成案例:以下是使用Wav2Lip生成的数字人案例,可以看到其实只有嘴唇在活动,数字人的成熟度相对较差。
-
配置要求:Wav2Lip相对不太吃机器性能,只需要有4G小显存即可运行;生成1个1分钟左右的数字人视频,需要处理5~15分钟。
-
整合包(其实没有发过Wav2Lip的整合包,而是一个相对更强一点的版本):全新AI数字人唇形合成版,离线整合包来了!
②SadTalk:SadTalker是西安交通大学开源的一个项目,它通过从音频中学习生成3D运动系数,使用全新的3D面部渲染器来生成头部运动,可以实现图片+音频就能生成高质量的视频。
-
生成案例:以下是使用SadTalker生成的数字人案例,效果相对Wav2Lip有一些进步,不再是只有嘴唇在动,而是头部有了一些动作。但仔细看在边缘部分会有错位的情况。
-
配置要求:因为SadTalker生成的数字人效果好了一些,因此对机器配置的要求也有所提高,大概需要有6G显存的电脑可以流畅运行,显存小于6G或者使用CPU都会比较慢。生成1个1分钟左右的数字人视频,需要处理10~20分钟。
③MuseTalk:MuseTalk是腾讯推出的一款数字人项目,支持实时音频驱动的唇部同步数字人,MuseTalk的核心技术能根据音频信号自动调整数字人物的面部图像,确保唇形与音频内容高度一致,只需输入音频,你的数字角色就能实现完美的口型同步。
-
生成案例:以下是使用MuseTalk生成的数字人案例,效果相对SadTalker又有了一些进步,头部脸部动作更加自然,边缘部分的错位也有所缓解。但嘴唇动画方面,还是有些粗糙。
-
配置要求:使用MuseTalk大概需要有6G显存的电脑可以流畅运行,生成1个1分钟左右的数字人视频,需要处理10~20分钟,跟SadTalker差不多。
-
整合包:无限免费制作数字人(整合包)
④Halo:Hallo是一款由百度联手复旦大学、苏黎世联邦理工学院和南京大学共同研发的数字人项目,在音频驱动的肖像动画生成方面取得了令人瞩目的进展。它利用先进的AI技术,根据语音输入生成逼真且动态的肖像图像视频。这种技术通过分析语音输入,同步生成人像的面部动作,包括嘴唇、表情和头部姿势,最终呈现出效果惊艳的数字人。
-
生成案例:以下是使用Hallo生成的数字人案例,无论是画面的清晰度、头部动作多样性、面部表情精细度方面,Hallo生成的数字人都相对于前面几个要好了很多。
-
配置要求:Hallo生成的数字人效果虽然好,但真的,它非常吃机器性能,据我的评测,需要10G显存以上的显卡才能跑得动。而且,生成1个1分钟左右的数字人视频,需要处理30~40分钟。
-
整合包:最强AI数字人
⑤LivePortrait:LivePortrait是快手开源了一个让人惊艳的数字人项目,它的神奇之处在于,它不仅能够精确控制眼睛的注视方向和嘴唇的开合动作,还能处理多个人物肖像的无缝拼接。
-
生成案例:以下是使用LivePortrait生成的数字人案例,可以看到数字人过渡非常平滑自然,不会产生任何突兀的边界效果。
-
配置要求:相比Hallo,LivePortrait生成的数字人效果不但好,而且,对于配置要求也降低了很多,据我的评测,需要8G显存的显卡即可流畅运行,6G显存也可运行。生成1个1分钟左右的数字人视频,需要处理10~20分钟。
-
整合包:开源最强数字人,一键整合包来啦!
⑥EchoMimic:传统的数字人技术,要么依赖音频驱动,要么依赖面部关键点驱动,各有利弊。而EchoMimic则巧妙地结合了这两种驱动方式,通过音频和面部关键点的双重训练,实现了更加逼真、自然的动态肖像生成。
-
生成案例:以下是使用EchoMimic生成的数字人案例,数字人相当平滑自然。
-
配置要求:EchoMimic生成的数字人,基本看不出是假人,可以说是相当真实了。而且它对于配置要求也没有增加,8G显存的显卡即可流畅运行。不过生成时长略微增加了,生成1个1分钟左右的数字人视频,大概需要处理15~30分钟。
结语
数字人技术的发展,正在不断突破我们的想象。我知道大家喜欢看图,刚好我图很多哈哈,直接来一个技术进步的对比图:
随着AI技术的不断推出,让我们能体验到越来越强的开源AI数字人,如果你对数字人技术充满好奇,如果你想亲手体验数字人带来的震撼效果,那么现在就是最好的时机。
让我们一起见证数字人技术的魅力和无限可能(一起将“危险”送到全世界去吧
)!
特别鸣谢一位星球中的不愿透露名字的朋友
为本文的数字人评测提供海量素材
今天就聊到这了,我是Glen,感谢你看我的内容,欢迎大家继续支持我,请点赞、收藏、分享三连走一波吧~