超级会员免费看
本文介绍了基于DINet的虚拟数字人项目，包括环境配置、模型训练和预测过程。首先，通过OpenFace获取数据点，然后在GPU环境中训练模型。数据准备涉及视频处理、音频特征提取和面部标志检测。模型训练分阶段进行，逐步提高分辨率，并使用预训练模型。最后，详细说明了模型预测前的数据整理步骤。
这个可以是一个简单的用自己脸型进行训练的虚拟数字人项目，机器需求配置有点高需要24G显存，如果没有的话看看就行了，跑不起来，当然效果和之前介绍的wav2lip相似，生成速度稍微会快一些，根据自己实际情况进行取舍。
准备工作
代码地址：
- https://github.com/MRzzm/DINet
在你的项目目录下克隆该项目。
git clone https://github.com/MRzzm/DINet.git
该项目还需要openface作为辅助工具，训练模型和预测需要使用。
项目地址：
- https://github.com/TadasBaltrusaitis/OpenFace
这里在win10系统需要一个 OpenFaceOffline.exe 工具。
环境配置
首先要自己配置好 GPU 的 Pytorch 环境。如果不会的话看这里。
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
