Easy-wav2lip-一键批量数字人制作软件（一键包+教程）

Easy-wav2lip是基于wav2lip优化改进而来，新增了WebUI界面，操作更简便，同时提升了生成效率，大大减少了生成的时间。

准备

需要准备音频和视频文件。

音频文件：

• 建议音频长度与视频的长度相同（比如你是10秒钟的视频，那么你的音频长度建议是10秒。如果音频长度比视频长度长，视频会自动向后循环延长）。音频文件格式:wav 和mp3

视频文件：

• 你选择的视频帧中必须都有一张脸，否则将报错。（比如你视频总时长10秒，中间有2秒没有人脸的画面，就会报错）推荐H264编码的mp4视频格式

提示：该版本支持批量。批量支持多段视频多段音频、多段视频单段音频。

举个例子：

• 你有3个视频，3段音频，那么会按照你选择的顺序视频1对应音频1、视频2对应音频2进行处理。你有3个视频，1段音频，那么会按照你上传的所有视频都对应这个音频进行处理。视频1对应音频1、视频2对应音频1、视频3对应音频3。

下载一键包后，解压出来，解压目录不要有中文

一键包下载地址：

点此下载Easy-wav2lip一键包https://deepface.cc/thread-139-1-1.html

解压后，点击目录下的 一键启动

等待黑色窗口出现“Running on local URL: http://127.0.0.1:7860”的时候，复制http开头的地址

然后到浏览器粘贴打开即可。如上图。

启动后的界面如下图

最上方选择源素材（图片或者视频都可以），就是你要驱动的数字人素材，右边选择音频（驱动数字人说话的音频文件），如下图

新手可以先默认参数，直接执行下方的“一键生成”。

等待程序自动执行完成，找到软件目录下的out目录，里面就是生成的数字人视频。

下面说下自定义参数：

视频质量：

Fast快速：Wav2Lip音频转口型模式。

Improved改进：Wav2Lip音频转口型模式 +唇部周围带有遮罩羽化，去除唇部周围边框。

Enhanced增强：Wav2Lip音频转口型模式 + 遮罩羽化 + GFPGAN高清脸部增强

Experimental实验性：在增强的模式上优化执行效率。

如果不是机器配置太差默认推荐选 Enhanced 和 Experimental

分辨率选项

full resolution全分辨率

half resolution半分辨率

注意：

测试下来半分辨率会在某些情况下存在不兼容问题，建议这个选项选全分辨率

Wav2Lip版本选项

Wav2Lip

优点：更准确的口型同步、在没有声音时会保持嘴巴闭合。

缺点：有时会产生牙齿缺失（部分情况下）。

Wav2Lip_GAN

优点：效果看起来更好，保留说话者原有表情。

缺点：不太擅长遮盖原始的嘴唇动作，尤其是在没有声音的情况下。

建议：

先尝试 Wav2Lip，如果遇到口齿上有很大缝隙的效果，再切换到Wav2Lip_GAN版本。

启用脸部平滑

启用后，wav2lip 将独立裁剪每个帧上的脸部。

适用于视频中的快速移动或剪辑。

如果脸部角度奇怪，可能会导致抽搐。

禁用后，wav2lip 会在 5 帧之间混合检测到的人脸位置。

适合缓慢移动，尤其是对于不常用角度的脸部。

当脸部在画面中快速移动时，嘴巴可能会偏移，在切割之间看起来很可怕。

Padding （填充）：

此选项控制在每个方向上从面部裁剪中添加或删除的像素数。

此选项可以帮助去除下巴或脸部其他边缘的硬线条，但填充过多或过少都会改变嘴巴的大小或位置。通常的做法是在底部添加 10 个像素，建议尝试不同的值，找到最佳效果。

Mask遮罩部分

Mask尺寸

将增加蒙版覆盖的区域的大小。（脸部周围有边框可以减少此数值，例如：1.5）

Mask羽化

决定了蒙版中心和边缘之间的混合量。（脸部周围有边框也可以增加此数值 ）

启用Mask嘴部跟踪

会将遮罩的位置更新到嘴巴在每一帧上的位置（速度较慢）

注意：

由于帧被裁剪到脸上，嘴巴位置已经很近似了，只有当发现视频的遮罩似乎没有跟随嘴巴时，才启用此功能。

启用Mask调试

开启后将使背景灰度和蒙版变彩色，可以看到蒙版在框架中的位置。（此参数改成True后，可以更直观的看到参数效果）

原项目地址：https://github.com/anothermartz/Easy-Wav2Lip