想要训练自己的数字人形象,支持与人对话问答,但是如何开始训练呢,我可以接大模型,听说主流的厂商都用 webrtc 推流
Easy-Wav2Lip ,sadtalker,video-retalking 等等都试了,不是一回事。
1
KIMI360 121 天前
同问,mark 一下
|
2
elron 121 天前
前端时间正好研究过,模型方面综合下来腾讯的 musetalk 效果最好,也支持实时流式推理,推理速度也挺快,但是比较吃资源。实测下来 4070 也只能达到 25fps 。如果效果不满意,可以基于腾讯公布的数据集+自己的素材再训练一套。
也可以用 er-nerf 模型训练,这个效果上我觉得不如腾讯,但是推理起来不吃什么资源。 另外,如果有声音克隆方面的需求,可以上 gpt-Sovit 或者最新的 fish-speech 也可以,声音方面没要求的话直接上 edge-tts 完事。 关于推流,直接考虑 webrtc 即可,搭建一个 srs 推流服务器,推理过程可以流式传输给 srs ,再由客户端通过 ws 拉取。如果想做到数字人和 LLM 实时问答对话,你要考虑一下文本切割了。 |
3
weishao666 OP @elron 谢谢大佬,我试试
|