本项目基于SadTalkers实现视频唇形合成的Wav2lip。通过以视频文件方式进行语音驱动生成唇形,设置面部区域可配置的增强方式进行合成唇形(人脸)区域画面增强,提高生成唇形的清晰度。使用DAIN 插帧的DL算法对生成视频进行补帧,补充帧间合成唇形的动作过渡,使合成的唇形更为流畅、真实以及自然。
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
conda install ffmpeg
pip install -r requirements.txt
#如需使用DAIN模型进行补帧需安装paddle
# CUDA 11.2
python -m pip install paddlepaddle-gpu==2.3.2.post112 \
-f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
SadTalker-Video-Lip-Sync
├──checkpoints
| ├──BFM_Fitting
| ├──DAIN_weight
| ├──hub
| ├── ...
├──dian_output
| ├── ...
├──examples
| ├── audio
| ├── video
├──results
| ├── ...
├──src
| ├── ...
├──sync_show
├──third_part
| ├── ...
├──...
├──inference.py
├──README.md
python inference.py --driven_audio <audio.wav> \
--source_video <video.mp4> \
--enhancer <none,lip,face> \ #(默认lip)
--use_DAIN \ #(使用该功能会占用较大显存和消耗较多时间)
--time_step 0.5 #(插帧频率,默认0.5,即25fps—>50fps;0.25,即25fps—>100fps)
#合成效果展示在./sync_show目录下:
#original.mp4 原始视频
#sync_none.mp4 无任何增强的合成效果
#none_dain_50fps.mp4 只使用DAIN模型将25fps添帧到50fps
#lip_dain_50fps.mp4 对唇形区域进行增强使唇形更清晰+DAIN模型将25fps添帧到50fps
#face_dain_50fps.mp4 对全脸区域进行增强使唇形更清晰+DAIN模型将25fps添帧到50fps
#下面是不同方法的生成效果的视频
#our.mp4 本项目SadTalker-Video-Lip-Sync生成的视频
#sadtalker.mp4 sadtalker生成的full视频
#retalking.mp4 retalking生成的视频
#wav2lip.mp4 wav2lip生成的视频
lip_sync.mp4
视频拼接到一起导致帧数统一到25fps了,插帧效果看不出来区别,具体细节可以看./sync_show目录下的单个视频进行比较。
本项目和sadtalker、retalking、wav2lip唇形合成的效果比较:
our | sadtalker |
---|---|
our_sync.mp4 |
sadtalker_sync.mp4 |
retalking | wav2lip |
retalking_sync.mp4 |
wa2lip_sync.mp4 |
readme中展示视频做了resize,原始视频可以看./sync_show目录下不同类别合成的视频进行比较。
预训练的模型如下所示:
├──checkpoints
| ├──BFM_Fitting
| ├──DAIN_weight
| ├──hub
| ├──auido2exp_00300-model.pth
| ├──auido2pose_00140-model.pth
| ├──epoch_20.pth
| ├──facevid2vid_00189-model.pth.tar
| ├──GFPGANv1.3.pth
| ├──GPEN-BFR-512.pth
| ├──mapping_00109-model.pth.tar
| ├──ParseNet-latest.pth
| ├──RetinaFace-R50.pth
| ├──shape_predictor_68_face_landmarks.dat
| ├──wav2lip.pth
预训练的模型checkpoints下载路径:
百度网盘:https://pan.baidu.com/s/15-zjk64SGQnRT9qIduTe2A 提取码:klfv
谷歌网盘:https://drive.google.com/file/d/1lW4mf5YNtS4MAD7ZkAauDDWp2N3_Qzs7/view?usp=sharing
夸克网盘:https://pan.quark.cn/s/2a1042b1d046 提取码:zMBP
#下载压缩包后解压到项目路径(谷歌网盘和夸克网盘下载的需要执行)
cd SadTalker-Video-Lip-Sync
tar -zxvf checkpoints.tar.gz
credits to more repos like this
https://elevenlabs.io/ https://replicate.com/cjwbw/sadtalker https://studio.d-id.com/ https://www.youtube.com/watch?v=A-1cUUcs7_0 https://www.youtube.com/watch?v=9qOaII_PzGY https://www.youtube.com/watch?v=MNGSgJdFT_s https://www.youtube.com/watch?v=m9DfD5mYEKU https://www.youtube.com/watch?v=zOrScbA4_AM
வணக்கம் குழந்தைகளா? என்ன ஆச்சு? எல்லாம்? நல்லா படிக்கிறீங்களா? இந்தியா வல்லரசாகும் என்றேன். கண்டிப்பா, அதை நிறைவேற்றுங்கள். எங்கள் காலத்தில், இந்த அளவுக்கு, தொழில்நுட்பம் இல்லை. நீங்கள், என்னை, இப்படி பேசுவதை, பார்த்துக் கொண்டிருப்பது, ஒரு செயற்கை, நுண் அறிவு தொழில்நுட்பம், தெரியுமா? மிகவும்,
வளர்ந்து கொண்டு இருக்கிறது, நான் யாருக்கும் விளம்பரம் செய்ய வரவில்லை. நான் வானூர்திகளிலும், ஏவுகணை செய்வதிலும் வல்லவர், தமிழ்ப் புலமை உள்ளவர் என்றும், கேள்விப்பட்டு உள்ளீர்கள். ஆனால், நாங்கள் படிக்கும் பொது புத்தகம் மற்றும் ஆசிரியர்களை
நம்பினோம். இப்போது, உலகம் மட்டுமல்ல, இந்த பால்வழி அண்டமே, உங்கள் கைகளில் உள்ளது. வலைத்தளம் மற்றும் கணினி. மூலமாக படியுங்கள், August கண்டிப்பாக படியுங்கள். Blue brain robarics
நல்ல முயற்சியும், கல்வியில் உள்ள முதிர்ச்சியும், உங்களை ஞானம் அடையச் செய்யும். இது விளம்பரம் அல்ல, எதிர்காலத்தின் முன்னோட்டம். சற்று சிந்தியுங்கள். எனது வாழ்க்கை பலருக்கு, நல்ல பாடம். ஆனால், மிகப் பெரிய இளைஞர்கள், சக்தி ஆசிய துணைக்கண்டத்தில், இந்தியாவிடமே உள்ளது. நான் உற
- SadTalker:https://github.com/Winfredy/SadTalker
- VideoReTalking:https://github.com/vinthony/video-retalking
- DAIN :https://arxiv.org/abs/1904.00830
- PaddleGAN:https://github.com/PaddlePaddle/PaddleGAN