EchoMimicV2数字人版本,自定义姿态,图片转数字人,音频驱动口型

哈喽！EchoMimic更新咯，本次EchoMimicV2版本增加了数字人功能，即输入一张图片、一段音频、一段姿势即可生成一段数字人视频。

如果第一次了解这个项目的朋友可以看下往期文章，看下之前的V1版本

https://blog.csdn.net/weixin_43935971/article/details/140651570

https://blog.csdn.net/weixin_43935971/article/details/140752410

简单吐槽下，在我刚部署项目的时候,官方还没推出gradio界面的代码，于是着手开始写一套，等我写完了，测试完了…GitHub上又有gradio相关的代码了…真的是太速度了！

吐血…不过没关系，也算同步进行了…

我在使用的时候也发现了这个版本的一些问题，并做了一些改动，在下面有讲到。

快速上手

使用方法不难，上传一张图片，一段说话的音频。

(图片尽量分辨率不要太大，人物居中，清晰即可。音频不要有嘈杂的背景音，尽量干净的人声。)

点击生成视频就能得到数字人视频啦！

当项目部署完在跑测试的时候，我发现官方放出的示例并没有自定义姿势的逻辑，也就是说只能使用官方提供的一段固定手势。

额…(挠头.gif)

于是我增加了一个上传姿态参考视频的逻辑。

现在你可以上传一段视频作为动作参考,生成的数字人会模仿视频里的动作。

当然，官方也在开发这个模块，也期待一波官方的更新！

高级设置这里可以调节更多的参数，具体的都有解释。建议视频帧率和音频采样率不要乱改。

手动设置姿态文件路径就是官方示例里的默认姿态文件。如果你不上传参考视频的话，就是默认使用这个。

配置需求

WIN

N卡需12G显存以上。推荐16G显存。

截止我写这篇文章的时候，官方已经推出了int8量化，目前可以优化到12G显卡可以使用。

MAC

(带不动，咱们MAC用户还是上云吧🤦‍)

云端镜像稍后更新

整合包获取

👇🏻👇🏻👇🏻下方下方下方👇🏻👇🏻👇🏻

关注公众号,发送【EchoMimic数字人】关键字获取整合包。

如果发了关键词没回复你！记得看下复制的时候是不是把空格给粘贴进去了！

制作不易，如果本文对您有帮助，还请点个免费的赞或在看！感谢您的阅读！