【sadtalker】 照片中的人物动起来了

最新推荐文章于 2025-05-02 23:12:19 发布
最新推荐文章于 2025-05-02 23:12:19 发布
阅读量1k 收藏 9
点赞数 22
分类专栏： AI AI直播 数字人 文章标签： AIGC ai AI作画 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_37687342/article/details/139513081
版权

介绍

在数字化时代的浪潮中，sadtalker作为一款独特的技术产品，以其深刻的构思、精细的技术实现和广泛的社会影响，引起了广泛的关注。本文将从技术构成、构思、技术实现、现有影响以及未来展望等方面，对sadtalker进行详细描述。

上篇文章【Luna AI 自动AI直播】中集成了数字人API，这期在本地搭建sadtalker数字人服务。

后面要打造数字人直播间还需要重要的一个接口【edge-tts文字转语音】，留在下期再发。

【Luna AI】自动AI直播icon-default.png?t=N7T8https://blog.csdn.net/weixin_37687342/article/details/139492629?spm=1001.2014.3001.5501

一、复杂而精细的设计

sadtalker的技术构成是其成功的基石。它集成了自然语言处理、情感分析、机器学习等多项先进技术，形成了一个复杂而精细的系统。通过深度学习和算法优化，sadtalker能够准确识别和理解用户的情感表达，并生成相应的回应。

二、创新想法

sadtalker的构思基于对情感交

最低0.47元/天 解锁文章
AI应用带你玩系列之【SadTalker】
百锦再的博客
06-24 7万+
前段时间我刷微信视频，我无意间点开了一个，画面缓缓展开，是一幅精致的水墨画，画中人物皆是古代装束，衣袂飘飘，仿佛能闻到墨香。然而，这宁静的画面突然被打破了，画中的人物开始动了起来，他们的嘴型和面部表情生动地配合着一首现代流行歌曲《一人我饮酒醉》。我惊呆了，这究竟是怎样的魔法，能让古画中的人物如此生动地“嗨歌”？好奇心驱使下，我深入探索，发现了一个名为“让照片说话”的算力应用。这不仅仅是一个简单的软件，它背后蕴含的是最新的AI技术——深度学习和计算机视觉的结合。
Mac M2环境下安装和调试SadTalker
轩哥的博客
09-14 1300
SadTalker 是一款开源的人工智能工具，能够将静态人像图片转化为逼真的说话视频。用户只需上传一张正面肖像照片和相应的音频文件，SadTalker 便能通过分析音频来同步照片中人物的嘴唇动作和面部表情，创造出栩栩如生的视频效果。这一技术适用于个性化信息传递、教育内容制作等多样化场景，支持商业和个人项目使用。SadTalker 的开源特性意味着用户可以自由下载、修改和再分发代码，同时，其高效的同步算法和自然动画效果使其在数字人技术领域中独树一帜。
torch、torchvision、torchaudio安装对应cuda版本（cuda 12.1情况下）
qq_61661957的博客
07-03 1万+
如果安装cuda 11.8版本的，把最后的cu121改成cu118即可。目前支持最高cuda 12.2。因为网上 pip install torch 等全部默认安装cpu版本，推理速度慢。所有安装cuda版本的包会更快。
torch和cuda版本不匹配问题的解决方案
qq_42693848的博客
08-08 2134
最近在跑多模态的推荐算法啊，在安装环境的时候发现，其算法都跑在比较老旧torch版本上，因为依赖的包很多，而这些包有时候没有很好的做到向下兼容，导致安装出来的环境无法正常运行。因为特写这个文章记录一下。本文主要是githu上MMRec的环境安装为例说明。
yolov5使用GPU进行训练：cuda 12.1 + torch-2.3.0 + py38环境详细搭建
AperOdry的博客
05-18 4503
详细搭建yolov5的GPU训练环境
服务器环境配置流程，pycharm中
m0_46373524的博客
07-18 822
安装pyg https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html。尝试不同的源安装，中科大的源 https://blog.csdn.net/qq_41375318/article/details/106895836。##3. 一定要记得安装时候配置环境变量，别忘记了，将环境变量修改为 export PATH=/home/anaconda3/bin:$PATH。执行run.sh文件，或者按教程执行.py文件。
torchaudio-2.1.2-py310_cu121.tar.bz2 像这样的包，只能conda install --offline 。。来进行安装吗，pip install不行吗，
weixin_46654537的博客
06-22 1057
tar.bz2文件是专为 conda 设计的包，不能用pip安装。conda提供了一个完整的生态系统和包管理工具，适合处理复杂的依赖和环境配置，特别是在深度学习中。pip安装更直接，适合那些对依赖控制要求较低的情况。
让照片人物开口说话，SadTalker 安装及使用（避坑指南）
热门推荐
独行猫a 的沉淀、积累、总结。天天学习，好好向上...c/c++,嵌入式 linux,Android,HarmonyOS)
10-07 2万+
西安交通大学开源了人工智能SadTaker模型，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。内含多个踩坑的解决办法，值得玩一玩。
使用SadTalker AI制作微信动态背景图
"微信动态背景图制作利用了AI技术，特别是西安交通大学开发的SadTalker模型，该模型能够使照片中的人物根据音频输入做出逼真的头部运动和面部表情。SadTalker解决了传统方法中头部运动不自然、表情扭曲等问题，通过...
微信动态背景图制作 AI一键让照片说话
07-13
SadTalker 模型是由西安交通大学的研究人员提出的，可以让照片里的人物跟随音频的输入动起来。该模型可以学习真实的运动系数，通过音频和不同的运动系数之间的联系进行单独建模，从而生成高质量的视频。 要使用 ...
如何在windows上本地部署SadTalker，实现AI数字人
qq_43335960的博客
06-20 7118
解压：ffmpeg-6.0-full_build-shared.zip 到根目录（例如：c:\ffmpeg-6.0-full_build-shared）解压：ffmpeg-6.0-full_build-shared.zip 到根目录（例如：c:\ffmpeg-6.0-full_build-shared）下载：ffmpeg-6.0-full_build-shared.zip。下载：ffmpeg-6.0-full_build-shared.zip。安装依赖并启动：python Launcher.py。
用Pip配置Pytorch环境 (Pytorch==2.3.0)
计算机视觉领域
06-06 2277
本文主要讲解: 如何用Conda搭建Pytorch环境，用Conda的方式安装，需要单独去安装Cuda。
Pytorch 2.3.x最新版本安装教程（适合有基础的看）
m0_61698839的博客
07-12 5003
这几天换新电脑，重新安装Pytorch，遇到的一些问题，记录一下。具体安装步骤大家可看，前面步骤一样，不做过多赘述，大家按照原文的一步步来就好，主要是最后官方下载torch问题。
「Mac畅玩AIGC与多模态13」开发篇09 - 基于多插件协同开发智能体应用（天气+名言查询助手）
天月智联
05-02 625
本篇介绍如何在 macOS 环境下，同时接入多个自定义 OpenAPI 插件，实现智能体根据用户请求自动分析，调用天气查询或名言查询服务，完成多功能协同应用开发。选择已创建的 Weather Query Plugin，直接添加到新应用中。同时接入多插件的配置技巧根据问题内容自动调用对应插件的应用逻辑培养智能体多功能协同应用基础本案例是进入复杂工具协同智能应用的重要跨越点，为后续符合复杂场景需求打下基础。
「Mac畅玩AIGC与多模态06」开发篇02 - 开发第一个知识库问答应用
天月智联
04-28 335
本篇介绍如何在 macOS 环境下，基于已部署完成的本地 LLM 模型与向量化模型，开发第一个 Dify 知识库问答应用，实现文档检索、知识问答和上下文增强功能。通过本篇开发流程，已基于本地部署的 LLM 模型与 Embedding 模型，在 Dify 平台成功创建了第一个知识库问答应用，具备文档检索与知识增强能力。后续可在此基础上进一步接入插件扩展功能，实现更丰富的智能体应用场景。
利用通义灵码和魔搭 Notebook 环境快速搭建一个 AIGC 应用 | 视频课
阿里巴巴云原生的博客
04-30 646
在本次分享中，我们主要介绍了两个关键工具：通义灵码和魔搭 Notebook。通义灵码，作为 AIGC 应用开发的核心，提供了强大的代码生成和辅助开发能力，也就是它提供了强大的思考能力，使编程门槛进一步降低。我们只需拥有想法和功能描述，即可得到相应的代码开发所需应用。至于魔搭 Notebook，它作为 AIGC 应用的躯干，提供了强大的硬件资源及集成的大模型开发环境，使我们的 AIGC 应用能够在该环境中运行。
「Mac畅玩AIGC与多模态12」开发篇08 - 使用自定义汇率查询插件开发智能体应用
天月智联
05-01 811
本篇介绍如何在 macOS 环境下，通过编写自定义 OpenAPI Schema，将实时汇率查询服务接入 Dify 平台，并开发基于外部金融数据的智能体应用。本案例继续实践 GET 请求型 API 的实际调用技巧，应用范围扩展到金融领域。登录 Dify 后台点击「工具」栏目，选择「自定义」，点击「创建自定义工具」填写基本信息：插件名称：Currency Exchange Plugin工具栏点击「添加」选择 Currency Exchange Plugin。
「Mac畅玩AIGC与多模态05」部署篇03 - 在 Mac 上部署本地向量化模型（Embedding Models）
天月智联
04-28 1306
本篇介绍如何在 macOS 环境下，为 Dify 平台部署本地向量化模型（Embedding Models），支持知识库文档向量化、语义检索与智能体上下文增强。向量化模型是实现知识库问答与 RAG（检索增强生成）应用的基础组件。通过本篇部署流程，已在 macOS 环境下完成本地向量化模型部署，并成功接入 Dify 平台，实现文档向量化索引功能。Embedding 模型是知识检索、上下文增强、多轮对话的重要支撑，为后续构建完整的 RAG 应用体系打下了坚实基础。
创意效率双提升，AIGC让增长更轻盈
最新发布
hejsjznw的博客
05-02 274
以日本猫粮“日清”为例，在其内容营销与产品数字化进程中，先知AIGC超级工场凭借自身优势，助力“日清”在市场上取得更好的成绩，提升了品牌影响力和产品销量。同时，有效降低沟通成本，加快流程推进速度，使得人力成本大幅减少。北京先智先行科技有限公司的五大核心业务，先知大模型私有化部署、先知AIGC超级工场、AI训练师、先知人力资源服务、先知产业联盟，共同构建起企业发展的坚实基础。北京先智先行科技有限公司，作为行业内的重要参与者，拥有“先知大模型”、“先行AI商学院”以及“先知AIGC超级工场”这三款旗舰产品。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值