孙燕姿果然不愧是孙燕姿,不愧为南洋理工大学的高材生,近日她在个人官方媒体博客上写了一篇英文版的长文,正式回应现在满城风雨的“AI孙燕姿”现象,流行天后展示了超人一等的智识水平,行文优美,绵恒隽永,对AIGC艺术表现得极其克制,又相当宽容,充满了语言上的古典之美,表现出了“任彼如泰山压顶,我只当清风拂面”的博大胸怀。
(相关资料图)
本次我们利用edge-tts和Sadtalker库让AI孙燕姿朗诵本尊的博文,让流行天后念给你听。
Sadtalker配置之前我们曾经使用百度开源的PaddleGAN视觉效果模型中一个子模块Wav2lip实现了人物口型与输入的歌词语音同步,但Wav2lip的问题是虚拟人物的动态效果只能局限在嘴唇附近,事实上,音频和不同面部动作之间的连接是不同的,也就是说,虽然嘴唇运动与音频的联系最强,但可以通过不同的头部姿势和眨眼来反作用于音频。
和Wav2lip相比,SadTaker是一种通过隐式3D系数调制的风格化音频驱动Talking头部视频生成的库,一方面,它从音频中生成逼真的运动系数(例如,头部姿势、嘴唇运动和眨眼),并单独学习每个运动以减少不确定性。对于表达,通过从的仅嘴唇运动系数和重建的渲染三维人脸上的感知损失(唇读损失,面部landmark loss)中提取系数,设计了一种新的音频到表达系数网络。
对于程序化的头部姿势,通过学习给定姿势的残差,使用条件VAE来对多样性和逼真的头部运动进行建模。在生成逼真的3DMM系数后,通过一种新颖的3D感知人脸渲染来驱动源图像。并且通过源和驱动的无监督3D关键点生成扭曲场,并扭曲参考图像以生成最终视频。
Sadtalker可以单独配置,也可以作为Stable-Diffusion-Webui的插件而存在,这里推荐使用Stable-Diffusion插件的形式,因为这样Stable-Diffusion和Sadtalker可以共用一套WebUI的界面,更方便将Stable-Diffusion生成的图片做成动态效果。
进入到Stable-Diffusion的项目目录:
cd stable-diffusion-webui
启动服务:
python3.10 webui.py
程序返回:
Python 3.10.11 (tags/v3.10.11:7d4cc5a, Apr 5 2023, 00:38:17) [MSC v.1929 64 bit (AMD64)] Version: v1.3.0 Commit hash: 20ae71faa8ef035c31aa3a410b707d792c8203a3 Installing requirements Launching Web UI with arguments: --xformers --opt-sdp-attention --api --lowvram Loading weights [b4d453442a] from D:\work\stable-diffusion-webui\models\Stable-diffusion\protogenV22Anime_protogenV22.safetensors load Sadtalker Checkpoints from D:\work\stable-diffusion-webui\extensions\SadTalker\checkpoints Creating model from config: D:\work\stable-diffusion-webui\configs\v1-inference.yaml LatentDiffusion: Running in eps-prediction mode DiffusionWrapper has 859.52 M params. Running on local URL: http://127.0.0.1:7860
代表启动成功,随后http://localhost:7860
选择插件(Extensions)选项卡
点击从url安装,输入插件地址:github.com/Winfredy/SadTalker
安装成功后,重启WebUI界面。
接着需要手动下载相关的模型文件:
https://pan.baidu.com/s/1nXuVNd0exUl37ISwWqbFGA?pwd=sadt
随后将模型文件放入项目的stable-diffusion-webui/extensions/SadTalker/checkpoints/目录即可。
接着配置一下模型目录的环境变量:
set SADTALKER_CHECKPOINTS=D:/stable-diffusion-webui/extensions/SadTalker/checkpoints/
至此,SadTalker就配置好了。
edge-tts音频转录之前的歌曲复刻是通过So-vits库对原歌曲的音色进行替换和预测,也就是说需要原版的歌曲作为基础数据。但目前的场景显然有别于歌曲替换,我们首先需要将文本转换为语音,才能替换音色。
这里使用edge-tts库进行文本转语音操作:
import asyncio import edge_tts TEXT = """ As my AI voice takes on a life of its own while I despair over my overhanging stomach and my children"s every damn thing, I can"t help but want to write something about it. My fans have officially switched sides and accepted that I am indeed 冷门歌手 while my AI persona is the current hot property. I mean really, how do you fight with someone who is putting out new albums in the time span of minutes. Whether it is ChatGPT or AI or whatever name you want to call it, this "thing" is now capable of mimicking and/or conjuring, unique and complicated content by processing a gazillion chunks of information while piecing and putting together in a most coherent manner the task being asked at hand. Wait a minute, isn"t that what humans do? The very task that we have always convinced ourselves; that the formation of thought or opinion is not replicable by robots, the very idea that this is beyond their league, is now the looming thing that will threaten thousands of human conjured jobs. Legal, medical, accountancy, and currently, singing a song. You will protest, well I can tell the difference, there is no emotion or variance in tone/breath or whatever technical jargon you can come up with. Sorry to say, I suspect that this would be a very short term response. Ironically, in no time at all, no human will be able to rise above that. No human will be able to have access to this amount of information AND make the right calls OR make the right mistakes (ok mayyyybe I"m jumping ahead). This new technology will be able to churn out what exactly EVERYTHING EVERYONE needs. As indie or as warped or as psychotic as you can get, there"s probably a unique content that could be created just for you. You are not special you are already predictable and also unfortunately malleable. At this point, I feel like a popcorn eater with the best seat in the theatre. (Sidenote: Quite possibly in this case no tech is able to predict what it"s like to be me, except when this is published then ok it"s free for all). It"s like watching that movie that changed alot of our lives Everything Everywhere All At Once, except in this case, I don"t think it will be the idea of love that will save the day. In this boundless sea of existence, where anything is possible, where nothing matters, I think it will be purity of thought, that being exactly who you are will be enough. With this I fare thee well. """ VOICE = "en-HK-YanNeural" OUTPUT_FILE = "./test_en1.mp3" async def _main() -> None: communicate = edge_tts.Communicate(TEXT, VOICE) await communicate.save(OUTPUT_FILE) if __name__ == "__main__": asyncio.run(_main())
音频使用英文版本的女声:en-HK-YanNeural,关于edge-tts,请移步:口播神器,基于Edge,微软TTS(text-to-speech)文字转语音免费开源库edge-tts语音合成实践(Python3.10),这里不再赘述。
随后再将音频文件的音色替换为AI孙燕姿的音色即可:AI天后,在线飙歌,人工智能AI孙燕姿模型应用实践,复刻《遥远的歌》,原唱晴子(Python3.10)。
本地推理和爆显存问题准备好生成的图片以及音频文件后,就可以在本地进行推理操作了,访问 localhost:7860
这里输入参数选择full,如此会保留整个图片区域,否则只保留头部部分。
生成效果:
SadTalker会根据音频文件生成对应的口型和表情。
这里需要注意的是,音频文件只支持MP3或者wav。
除此以外,推理过程中Pytorch库可能会报这个错误:
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 20.00 MiB (GPU 0; 6.00 GiB total capacity; 5.38 GiB already allocated; 0 bytes free; 5.38 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF
这就是所谓的"爆显存问题"。
一般情况下,是因为当前GPU的显存不够了所导致的,可以考虑缩小torch分片文件的体积:
set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:60
如果音频文件实在过大,也可以通过ffmpeg对音频文件切片操作,分多次进行推理:
ffmpeg -ss 00:00:00 -i test_en.wav -to 00:30:00 -c copy test_en_01.wav
藉此,就解决了推理过程中的爆显存问题。
结语和Wav2Lip相比,SadTalker(Stylized Audio-Driven Talking-head)提供了更加细微的面部运动细节(如眼睛眨动)等等,可谓是细致入微,巨细靡遗,当然随之而来的是模型数量和推理成本以及推理时间的增加,但显然,这些都是值得的。
标签:
上一篇 : 太湖科学城功能片区开展“六一”走访慰问活动 全球看点
下一篇 : 最后一页
邮储银行邵阳分行举行“互联网+不动产抵押登记”便民服务点揭牌仪式
06-07 11:29:59
同花顺F10数据显示,2023年6月7日华英农业(002321)新增“摘帽”概念
06-07 09:05:19
1、将大太刀附魔就好了,具体步骤如下:先准备下材料,他们分别是铁砧
06-07 08:11:34
1、安德烈·桑索维诺AndreaSansovino(1467-1529)意大利建筑师和雕刻
06-07 07:27:55
1、安德烈·梅斯基塔。2、葡萄牙职业足球运动员。文章到此就分享结束,
06-07 06:08:15
1、事故(1)原泛指事情,现在指意外的损失或灾祸。2、如:交通事故。3、(
06-07 05:36:11
1、可以直接点击文档来查找。2、可能是系统把文档的位置换到另一个磁盘
06-07 03:59:52
此外,别尔哥罗德州警方表示,正在帮助舍别基诺市民疏散到安全地带,已
06-07 01:46:50
话题 我的脸被隐翅虫毁容了 近日冲上热搜引发讨论一名网友分享了因隐翅
06-07 00:38:50
明日高考2023年全国高考将于明天开考,日前教育部会同有关部门多次作出
06-06 23:58:31
东海证券股份有限公司姚星辰近期对佩蒂股份进行研究并发布了研究报告《
06-06 23:07:39
1、对着桌面空白处单击右键,然后选择“属性”,然后就可以打开桌面属
06-06 22:54:49
面对出版业市场化转型的大趋势,为了增强出版社市场竞争能力,提高出版
06-06 22:05:46
初夏已至,万物并秀。2023年5月26日,成都市实验小学青华分校承担了广
06-06 21:43:27
一、价格走势据生意社商品行情分析系统,5月29日国内硫酸铵出厂均价为7
06-06 20:47:59
十堰广电讯(全媒体记者 翁红 通讯员 鲍晓宇 郑建超)梦想是永
06-06 19:14:06
本文内容是由小编为大家搜集关于余额宝是货币理财吗,以及余额宝是货币
06-06 18:45:48
1、药学专业要留在大学有什么要求药学专业对电脑配置没有什么要求,只
06-06 18:37:55
今年5月,比亚迪将旗下汽车研发有限公司的企业名称,变更为深圳市方程
06-06 17:44:28
加速拓展整合便捷全球购物提升消费体验上海2023年6月6日 美通社 --2023
06-06 16:25:28
天孚通信回应“新增两亿美元英伟达订单传言”:商业机密不便披露【大河
06-06 15:07:39
陕西星思浪铭网络科技公司直播诱惑购买课程投诉直通车是湖南日报、华声
06-06 14:23:25
男科医院现在是我们医治男科疾病的好挑选,这是因为男科疾病的呈现不仅
06-06 13:27:14
北京商报讯(记者方彬楠冉黎黎)6月6日,交通运输部公众号发布2023年5
06-06 12:35:09
中国农科新闻网是农业科技报社顺应网络时代新媒体发展趋势,在三农领域
06-06 11:52:27
周二(6月6日)亚盘,美元指数最新价报103 98,开盘价为104 01。经济学
06-06 10:38:49
东城一批老院子、名人旧居、会馆有了新内容 胡同小院长出美育新
06-06 09:57:32
“三夏”时节,关注农业生产。眼下,新疆阿克苏沙雅县的35万亩小麦进入
06-06 08:42:56
6月6日我们迎来夏季的第三个节气芒种栀子花开麦黄梅熟这是二十四节气中
06-06 08:06:04
gtx750显卡怎么样能玩什么,gtx750显卡怎么样这个很多人还不知道,现在
06-06 07:16:20
生活倒影,关于生活倒影介绍这个很多人还不知道,我们一起来看看!1、《
06-06 06:13:30
据西班牙《阿斯报》报道,皇马希望与西班牙中场塞巴略斯续约,他们准备
06-06 05:10:16
近日,第八批全国、第九批全省学雷锋活动示范点和岗位学雷锋标兵名单公
06-06 03:57:35
想必现在有很多小伙伴对于如何打败盖亚高手告诉我!方面的知识都比较想
06-06 03:09:46
想必现在有很多小伙伴对于汽车怠速抖动加油不抖是什么原因方面的知识都
06-06 02:14:19
肃南县水务局加强供水工程运行管护为群众饮水安全和粮食安全保驾护航为
06-06 01:13:25
参考消息网6月5日报道据法新社、俄罗斯卫星社6月5日报道,克里姆林宫
06-06 00:39:11
中国网财经6月5日讯(记者刘小菲)近期,有投资者在互动平台问迪阿股份“
06-05 23:29:15
证券时报e公司讯,美畅股份(300861)6月5日晚间公告,公司持股13 06%的
06-05 22:39:06
最新数据显示国际航空客运量已恢复至2019年的90%以上,预计今年将实现9
06-05 22:15:10
01:29芒种节气是二十四节气中的第九个节气,夏季的第三个节气,芒种的
06-05 20:54:01
在6月5日世界环境日之际,由交通运输部科学研究院、滴滴发展研究院、中
06-05 19:38:13
东方网记者刘晓晶报道:高考在即,中考临近,在考生们争分夺秒、全力备
06-05 19:04:02
新款奥迪S8的性能与奥迪的旗舰A8相同,配备563马力的4 0升V8,四轮驱动
06-05 18:57:55
2023年5月25日,由福建省消防协会指导,福建守众安智能科技有限公司主
06-05 17:14:56
6月5日是“世界环境日”,黑龙江省人民政府新闻办公室举行新闻发布会,
06-05 16:18:53
雄县今年高考时间为6月7日至9日,共计3天。雄县设高考考点3个,为雄县
06-05 15:56:59
地面清洁,一直是家务中的老大难,尽管市面上有着很多智能地面清洁
06-05 15:29:40
黄山市气象台2023年06月05日08时56分发布雷电黄色预警信号。6小时内屯
06-05 14:21:48
中国网财经6月5日讯(记者刘小菲)通达股份昨日晚间发布公告称,近日累计
06-05 13:58:37
邮储银行邵阳分行举行“互联网+不动产抵押登记”便民服务点揭牌仪式
2023-06-07
同花顺F10数据显示,2023年6月7日华英农业(002321)新增“摘帽”概念
2023-06-07
1、将大太刀附魔就好了,具体步骤如下:先准备下材料,他们分别是铁砧
2023-06-07
1、安德烈·桑索维诺AndreaSansovino(1467-1529)意大利建筑师和雕刻
2023-06-07
1、安德烈·梅斯基塔。2、葡萄牙职业足球运动员。文章到此就分享结束,
2023-06-07
7月7日,中国消费者协会、中国保健协会化妆品发展工作委员会联合发布暑期消费指示,保障儿童用妆安全。...
概念特点1、 定义:纤维是天然或人工合成的细丝状物质,纺织纤维则是指用来纺织布的纤维。2、 纺织纤...
中新网西宁11月21日电 题:青海水润高原:从“大动脉”到“毛细血管”的精准管理 作者 谈林明...
中新网西宁11月21日电 (记者 张添福)青海省卫生健康委员会21日消息,该省第3例本土确诊病例经过20...
新华社华盛顿11月20日电 通讯:“留在中国的决定让我拥有一段值得讲述的人生”——留华美国学生韩...
上市公司频获机构调研 接待机构来访量为20.89万家
Copyright © 2015-2022 华中纤维网版权所有 备案号:京ICP备12018864号-26 联系邮箱:2 913 236 @qq.com