【数字人】仅需一张图片和一段音频生成美女数字人讲解视频

源泉的小广场

已于 2025-01-05 14:32:21 修改

阅读量1.2k

点赞数 24

分类专栏：大模型多模态文章标签：大模型数字人虚拟人大模型颠覆行业多模态 aigc

于 2025-01-05 11:32:25 首次发布

本文链接：https://blog.csdn.net/weixin_65514978/article/details/144941829

版权

大模型同时被 2 个专栏收录

102 篇文章

订阅专栏

多模态

8 篇文章

订阅专栏

1. 背景介绍

数字人、文生视频、图生视频可能是未来to c场景中非常有想象空间的技术。我们将会持续关注。这些技术的应用不仅可以提升用户体验，还能够催生新的商业模式和交互方式。从目前关注到的场景，具有以下几个方面的巨大想象空间：

1.1 数字人（Digital Human，也称为virtual human）

数字人是通过人工智能、3D建模和虚拟现实技术打造的虚拟人物，可以在不同场景下与人类进行交互。

虚拟主播和虚拟明星：已经有越来越多的数字人作为主播或明星亮相，比如虚拟主播在新闻、娱乐、直播等领域的应用。。
个性化虚拟助手：通过自然语言处理和情感识别，数字人可以提供个性化服务，如在线客服、教育导师等，提升用户体验。
虚拟代言人和品牌形象：许多品牌已经开始创建数字代言人或虚拟品牌大使，通过数字化形象进行品牌营销，增强消费者的沉浸感。

如果你使用过抖音、美团、淘宝，可能会发现现在直播推销和带货的，很多都是数字人，真人主播随着技术的发展，基本上会退出历史舞台，更多的会出现在幕后的数字人制作环节，而不是一线带货。在bilibili上，也出现了很多号称情感治愈的数字人、跳舞数字人，还有很多大v自己已经不出镜了，主要从事幕后文案工作，展现在前台的是其一比一复刻的数字人。总之，未来直播行业将会被数字人技术所颠覆。

1.2 文生视频（Text-to-Video）

文生视频是基于人工智能的生成技术，能够根据文字描述自动生成视频内容。这项技术可能会给创作和营销等领域带来革命性影响：

内容创作：文生视频技术使得创作者无需专业视频制作能力，依靠简单的文本描述就能生成高度匹配的短视频、广告、教育内容等。
个性化视频广告：品牌可以根据用户的兴趣、需求、历史行为等数据，自动生成个性化的广告视频。想象一下，品牌广告可以根据不同观众生成定制化的内容，极大提高转化率。
社交媒体内容生产：社交平台的内容创作者可以利用文生视频技术快速制作视频，无需花费大量时间进行拍摄和编辑，从而降低内容生产门槛，激发创作热情。

最近关注到央视频推出的悟空系列视频，已经开始全面采用aigc技术，一定程度上对故事线、人物形象一致性进行了优化处理，整体视觉效果还是挺惊艳的，感兴趣可以关注其公众号。未来bilibili上可能会出现大量的aigc视频，特别是漫画态视频的制作成本会大幅降低。能遇见插画师工作也将会被取代。

1.3 图生视频（Image-to-Video）

图生视频是基于图像内容生成连续视频的技术。

动画制作和影视制作：通过将静态图像转化为动态视频，可以大幅降低动画制作的成本和时间。这对于电影、动画短片以及广告等领域都有巨大意义。
虚拟现实（VR）和增强现实（AR）：图生视频技术能在VR和AR场景中带来更加沉浸式的体验，用户可以从静态图像开始，逐步演绎出真实的动态场景。
AI生成创意内容：图生视频的技术可以帮助艺术家和创意人员将手绘图像、概念设计或图像素材转化为动态视频，提升创作的效率和质量。

2. 数字人生成实践

我们将会使用D-ID【1】来进行首次数字人的尝试。目前口播类的数字人，基本上还是以口型同步为主。在D-ID，我们只需要上传一张图片外加一段文案或者外加一段语音，即可完成一个数字人视频的创建。

2.1 准备美女图片

首先我们从网上（google）随便下载一张美女图片（如有侵权请联系删除）：

2.2 准备音频或者文案

然后选择一个素人配音网站【2】上随便选择一段女生音频，这里选择的是康美美的有机生活旁白音频。如果只想免费体验，可以先用iphone录音下来，文件格式为w4a。然后访问tinywow【3】，将w4a视频转化成mp3格式。tinywow功能很多，支持各类格式的互转。d-id当然也可以支持直接录制你自己的声音。

另外也可以选择配置文案，使用大模型进行文案的生成。然后采用系统自带的数字人语音进行发音。