AI数字人：口播与唇形同步的福音，支持本地部署/批量生成/口齿清晰

Heygem：开源前端界面的老六玩家

好消息！Heygem 在 GitHub 上开源了！不过，嘻嘻，只是前端界面开源，感觉更像是来 GitHub 刷一波知名度。不过这依然是个值得关注的工具。让我们先来看看它的官方介绍：

Heygem 是一款专为 Windows 系统打造的完全离线视频合成工具。它能精确克隆你的外貌和声音，将你的形象数字化。通过文字或语音驱动虚拟化身，你可以轻松制作视频。无需网络连接，在保护隐私的同时，享受高效便捷的数字体验。

核心功能

1. 精准外貌与语音克隆
   借助先进的 AI 算法，Heygem 高精度捕捉五官、轮廓等特征，构建逼真的虚拟模型。同时，它还能克隆语音，捕捉人声的细微特征，支持多种语音参数设置，打造高度相似的音色效果。
2. 文字及语音驱动的虚拟化身
   通过自然语言处理技术，Heygem 能将文本转化为流畅自然的语音，驱动虚拟化身开口“说话”。你也可以直接输入语音，虚拟化身会根据语音的节奏和语调，同步做出相应的动作和表情，表现更加生动。
3. 高效视频合成
   数字人视频画面与声音高度同步，口型匹配自然流畅，智能优化音视频效果，带来极佳的视听体验。
4. 多语言支持
   支持八种语言脚本：英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语，满足全球化需求。

主要优势

• 完全离线操作：无需联网，保护用户隐私，避免数据泄露风险。
• 用户友好：界面简洁直观，即使是技术小白也能快速上手。
• 多模型支持：支持导入多种模型，并通过一键启动包管理，灵活适配不同创作场景。

技术支撑

• 语音克隆技术：基于 AI 生成与样本高度相似的语音，涵盖语调、语速等细节。
• 自动语音识别：将语音转化为文本，让计算机“听懂”你的指令。
• 计算机视觉技术：用于面部识别和唇部运动分析，确保唇形与语音完美匹配。

更棒的是，Heygem 还支持通过 Docker 进行本地部署，部署后甚至可以批量生成视频！下面我来详细讲讲如何在 Windows 上实现本地部署。

Windows 本地部署 Heygem 教程

步骤 1：安装 WSL

1. 打开 PowerShell（在任务栏搜索“PowerShell”即可找到）。
   
2. 输入以下指令并回车：wsl --install 
3. 安装完成后，重启系统。
4. 重启后再次打开 PowerShell，输入以下指令 WSL： wsl --update 检查是否安装成功，如下图则成功安装
   

步骤 2：安装 Docker

1. 前往 Docker 官网下载适用于 Windows 的版本（通常为 Windows AMD64）。
   
2. 下载完成后安装，接受协议，首次运行时可跳过登录。
   
   
3. 打开设置，调整镜像存储位置，镜像文件比较大70~80G，选择合适的盘，设置完成后点击“Apply & Restart”。
   

步骤 3：部署 Heygem

1. 前往 Heygem github官网 https://github.com/GuijiAI/HeyGem.ai/tree/main/deploy，下载 Docker 部署文件。
   你无需关心文件内容，只需使用 Docker 指令即可。
   
2. 进入下载文件夹，在地址栏输入 cmd 并回车，打开命令行窗口。
   
3. 在命令行输入以下指令： docker-compose up -d 这条指令会创建并启动容器，以后台模式运行。
   根据网络情况好坏，下载镜像可能需要 1-2 小时（建议全程科学上网）。 
4. 下载完成后，打开 Docker Desktop，在“Containers”中确认三个镜像正常运行（正确运行图标为正方形而非三角形）。
   [Docker Desktop 中三个镜像运行状态截图]

至此，Heygem 的后端服务已部署完成。因为关键操作（如唇形同步模型）都集成在 Docker 。

步骤 4：安装前端界面

1. 前往 GitHub 上的 Heygem 托管页面，下载运行界面 EXE 程序。
   [GitHub 下载界面截图] https://github.com/GuijiAI/HeyGem.ai/releases
2. 下载并安装后即可使用。

使用 Heygem 打造数字人

1. 快速定制数字模特
   点击“快速定制”，输入模特名称，上传模特视频，点击提交。稍等片刻，回到主页即可在“我的数字模特”中看到结果。
2. 生成视频
   鼠标移到数字模特上，点击“做视频”按钮，进入编辑界面。
    你可以输入文本或上传音频生成视频。
   
   • 文本合成：仅提供一种音色，略显机械。
   • 音频推荐：使用 CosyVoice 一键包克隆音色，上传音频后再合成，效果更自然。CosyVoice 一键包下载地址在以前的文章中有讲过，下载解压即可使用
3. 批量生成与常见问题
   Heygem 支持批量生成，但前一个视频未完成时，后续任务会排队。
   
   
4. 如果长时间卡在 20%：
   [生成进度卡在 20% 的截图]
5. • 检查显卡占用，一般来说你的显卡比较好，是不需要太长时间。如果长时间卡在20%，注意是长时间。
     
     [显卡占用截图]
   • 若卡住，前往用户 AppData 目录删除软件数据库，重新上传模特和素材即可。
     

网页版 AI 数字人：Humva.com

除了 Heygem，还有一个网页工具——Humva.com。它能通过单张图片生成数字人，还支持更换场景和衣着！

使用方法

1. 进入 Humva.com，点击“Create Avatar”。
   
2. 上传一张头像，生成数字人模特。
   
3. 选择音色（默认提供几种，或上传音频），挑选主题场景（如工作室、户外、卡通等）和衣着风格。
   
   
4. 等待生成后，在“我的头像”中查看不同风格的数字人。
   
   
5. 点击进入，使用文本或音频生成视频。

总结

Heygem 和 Humva 各有千秋：

• Heygem 适合需要离线操作和本地部署的用户，功能强大且隐私有保障。
• Humva 则更轻便，基于网页即可实现多样化数字人创作。

无论是口播视频还是唇形同步，AI 数字人正在改变我们的创作方式。