LatentSync V8版 - 音频驱动视频生成数字人说话视频 更新V1.6版模型 支持50系显卡 支持批量 一键整合包下载

LatentSync 是字节跳动开源的一款"AI口型同步神器",简单来说就是能让视频里的人物嘴巴动得和声音完美匹配的工具。比如你给一段配音,它能自动调整视频人物的嘴型,按照配音里的声音说出来,就像真人说话一样自然。简单说就是个让"假人说话像真人"的黑科技,拍视频、做直播的小伙伴用起来特别方便,也可广泛应用于数字人生成领域,自媒体必备神器。

今天分享的 LatentSync V8版,主要更新最新的1.6版模型(该版模型在 512 × 512 分辨率的视频上进行了训练,大幅度提升了生成嘴部的清晰度)
新增对50系显卡的支持
新增批量处理(根据网友反馈,更改批处理方式,支持一键拖拽多个文件)

新增人脸检测模型
同步官方最新源代码。

‌主要特点

低门槛‌:消费级的电脑就能运行,对普通用户很友好 ‌

操作简单‌:直接"声音控制嘴巴",不需要复杂操作

效果流畅‌:独有的"时间对齐"技术,避免视频卡顿或跳帧

高精度‌:采用类似Stable Diffusion的AI技术,嘴型同步非常精准 ‌

应用领域

影视配音:让外国电影的口型匹配中文配音

虚拟主播:让数字人说话更自然

短视频创作:轻松制作对口型视频

游戏开发:让游戏角色说话更真实

使用教程: (建议N卡,显存16G起。支持50系显卡,基于CUDA12.8)

因模型更新,模型从256x256提升到512x512,故对硬件支持也对应提升,显卡显存建议16G起。

单次生成:上传一段音频和视频,设置参数,生成即可。

批量生成:批量上传视频和音频,视频和音频数量得一样,按照顺序一一对应。

注意事项:上传参考音频和视频时间长度最好一致,如果音频长度大于视频长度,则默认按照视频时长长度生成。如果视频长度大于音频长度,默认按照音频时长长度生成。

解压说明:一键包和模型包分开打包上传,分别下载一键包和模型包,先解压一键包,再下载模型包并复制到一键包目录下,右键->解压到当前文件夹,目录结构参考一键包内文档说明。

下载地址: https://deepfaces.cc/thread-699-1-1.html

相关推荐
算家云3 分钟前
DeepSeek-OCR本地部署教程:DeepSeek突破性开创上下文光学压缩,10倍效率重构文本处理范式
人工智能·计算机视觉·算家云·模型部署教程·镜像社区·deepseek-ocr
AgeClub3 分钟前
1.2亿老人需助听器:本土品牌如何以AI破局,重构巨头垄断市场?
人工智能
PPIO派欧云2 小时前
PPIO上线Qwen-VL-8B/30B、GLM-4.5-Air等多款中小尺寸模型
人工智能
chenchihwen3 小时前
AI代码开发宝库系列:FAISS向量数据库
数据库·人工智能·python·faiss·1024程序员节
张登杰踩3 小时前
工业产品表面缺陷检测方法综述:从传统视觉到深度学习
人工智能·深度学习
sponge'3 小时前
opencv学习笔记6:SVM分类器
人工智能·机器学习·支持向量机·1024程序员节
zandy10113 小时前
2025年AI IDE的深度评测与推荐:从单一功能效率转向生态壁垒
ide·人工智能
andyguo4 小时前
ChatGPT Atlas vs Chrome:AI 浏览器的新纪元
人工智能·chrome·chatgpt
北京迅为4 小时前
【北京迅为】iTOP-4412精英版使用手册-第六十七章 USB鼠标驱动详解
linux·人工智能·嵌入式·4412