V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
weishao666
V2EX  ›  问与答

支持实时交互的数字人训练有开源项目么?

  •  
  •   weishao666 · 121 天前 · 905 次点击
    这是一个创建于 121 天前的主题,其中的信息可能已经有所发展或是发生改变。

    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。

    3 条回复    2024-07-25 18:54:01 +08:00
    KIMI360
        1
    KIMI360  
       121 天前
    同问,mark 一下
    elron
        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。
    weishao666
        3
    weishao666  
    OP
       120 天前
    @elron 谢谢大佬,我试试
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2694 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 20ms · UTC 09:55 · PVG 17:55 · LAX 01:55 · JFK 04:55
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.