MimicTalk:字节跳动和浙江大学联合推出 15 分钟生成 3D 说话人脸视频的生成模型

❤️ 如果你也关注大模型与 AI 的发展现状,且对大模型应用开发非常感兴趣,我会快速跟你分享最新的感兴趣的 AI 应用和热点信息,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


🚀 快速阅读

  1. MimicTalk 是字节跳动和浙江大学联合开发的基于 NeRF 技术的 3D 说话人脸视频生成模型。
  2. 该模型能够在 15 分钟内生成个性化且富有表现力的 3D 说话人脸视频。
  3. MimicTalk 支持音频驱动生成特定人物的说话头像,显著提高了视频质量和训练效率。

正文(附运行示例)

MimicTalk 是什么

MimicTalk 是一种基于 NeRF(神经辐射场)技术的 3D 说话人脸视频生成模型,由字节跳动和浙江大学共同研发。该模型能够在极短时间内(仅需 15 分钟)生成个性化且富有表现力的 3D 说话人脸视频,显著提高了训练效率和视频质量。

MimicTalk 的主要功能

  • 快速个性化训练:在 15 分钟内完成对新身份的适应和训练。
  • 高质量视频生成:生成的视频在视觉质量上超越以往技术。
  • 表现力增强:捕捉和模仿目标人物的动态说话风格。
  • 上下文学习:从上下文中学习目标人的说话风格,提高面部动作的自然度。
  • 音频驱动:支持用音频输入驱动特定人物的 3D 说话头像。

MimicTalk 的技术原理

  • 人-不可知 3D 人脸生成模型:预训练的通用 3D 人脸生成模型,能处理单张图片输入。
  • 静态-动态混合适应流程:学习特定身份的静态外观和动态特征,基于优化 3D 人脸表征和低秩适应技术。
  • 上下文风格化的音频到运动模型(ICS-A2M):生成与目标人物说话风格相匹配的面部动作。
  • Flow Matching 模型:预测数据点的速度场,指导数据点从先验分布向目标分布移动。
  • 推理过程:结合音频输入与参考视频,生成高质量的说话人脸视频。

如何运行 MimicTalk

安装环境

请参照环境配置文档,配置 Conda 环境mimictalk

下载预训练与第三方模型

3DMM BFM 模型

下载 3DMM BFM 模型:Google Drive

预训练模型

下载预训练的 MimicTalk 相关 Checkpoints:Google Drive

MimicTalk 训练与推理的最简命令

bash 复制代码
python inference/train_mimictalk_on_a_video.py # 训练模型
python inference/mimictalk_infer.py # 推理模型

资源

  • 关注并回复公众号【58】或【MimicTalk】获取相关项目资源。

❤️ 如果你也关注大模型与 AI 的发展现状,且对大模型应用开发非常感兴趣,我会快速跟你分享最新的感兴趣的 AI 应用和热点信息,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关推荐
lqqjuly16 分钟前
深度学习基础知识-残差网络ResNet
网络·人工智能·深度学习
int WINGsssss28 分钟前
速通一些常见的神经网络
人工智能·深度学习·神经网络
布兰妮甜28 分钟前
诺贝尔物理学奖的新篇章:机器学习与神经网络的光辉时刻
人工智能·神经网络·机器学习
EasyCVR28 分钟前
EHOME视频平台EasyCVR萤石设备视频接入平台视频诊断技术可以识别哪些视频质量问题?
服务器·人工智能·计算机视觉·音视频·1024程序员节
Pioneer0000131 分钟前
深度学习:从神经网络到人工智能的飞跃
人工智能·深度学习·神经网络
埃菲尔铁塔_CV算法31 分钟前
《常用深度学习神经网络及其原理与应用场景》
人工智能·深度学习·神经网络
思通数科大数据舆情1 小时前
OCR、语音识别与信息抽取:免费开源的AI平台在医疗领域的创新应用
人工智能·目标检测·机器学习·计算机视觉·数据挖掘·ocr·语音识别
机器之心1 小时前
不靠更复杂的策略,仅凭和大模型训练对齐,零样本零经验单LLM调用,成为网络任务智能体新SOTA
人工智能·后端
Landy_Jay1 小时前
跟李沐学AI:BERT
人工智能·自然语言处理·bert
宋一诺331 小时前
机器学习—前向传播的一般实现
人工智能·机器学习