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
Jay Kay12 分钟前
从0到1理解大语言模型:读《大语言模型:从理论到实践(第2版)》笔记
人工智能·笔记·语言模型
Baihai_IDP14 分钟前
【译】TPU Deep Dive:Google TPU 架构深度分析
人工智能·google·面试
电商API_1800790524716 分钟前
微店商品详情接口micro.item_get请求参数响应参数解析
大数据·数据库·人工智能·爬虫
洛卡卡了17 分钟前
面试官问我会不会用 AI,我拿出这个 Ollama + FastGPT 项目给他看
人工智能·后端·docker
Python测试之道21 分钟前
用LangGraph实现聊天机器人记忆功能的深度解析
人工智能·langchain·prompt
生信宝典22 分钟前
通用温度感知语言模型用于设计具备增强稳定性和活性的蛋白质
人工智能·语言模型·自然语言处理
带电的小王1 小时前
VLA--Gemini Robotics On-Device: 将AI带到本地机器人设备上
人工智能·机器人
终端域名1 小时前
如何解决人工智能在社会治理中面临的技术和伦理挑战?
人工智能·交互技术
倔强的石头1061 小时前
[源力觉醒 创作者计划]_文心大模型4.5开源:从技术突破到生态共建的国产AI解读与本地部署指南
人工智能·开源·文心一言·文心大模型
AI训练师1 小时前
基于深度学习的YOLO框架的道路裂缝智能识别系统【附完整源码+数据集】
人工智能