[影音處理] MuseTalk V3 一鍵整合包

[複製鏈接]

doudou10722

6120 主題	0 好友	6140 積分

論壇元老

Rank: 8 Rank: 8

UID: 469567
帖子: 6123
主題: 6120
精華: 0
積分: 6140
楓幣: 39
威望: 6131
存款: 0
贊助金額: 0
推廣: 0
ＧＰ: 0
閱讀權限: 90
在線時間: 182 小時
註冊時間: 2024-12-17
最後登入: 2025-11-5

發消息

電梯直達

1樓

發表於 2025-5-21 17:48:03 |只看該作者 |倒序瀏覽

軟體名稱:MuseTalk(不支持9:16格式)
軟體版本:V3
軟體類型:一鍵整合包(附影片)
軟體語言: 多語網譯
檔案大小:9.8GB

按順序(不然報錯)
1.測試重繪
2.生成

MuseTalk 是騰訊開發的一款AI數位人唇形同步工具，它能根據輸入的音訊自動調整虛擬人物的嘴部動作，讓數位人說話時的口型和聲音完美匹配。只需要上傳一段驅動音訊，和一段人物視頻，即可一鍵生成無限說自認說話視頻，適用各種自媒體口播和直播等領域！
MuseTalk 對於最低硬體要求，在 windows 環境下使用配備 4GB 顯存的 NVIDIA GeForce RTX 3050 Ti 筆記本 GPU 測試了該系統。在 fp16 模式下，生成 8 秒的視頻大約需要 5 分鐘。

今天分享的MuseTalk V3版，同步官方最新的 MuseTalk V1.5版模型。與 1.0 版本相比，這個版本的模型有了顯著改進，提高了清晰度、身份一致性和精確的唇音同步。

應用領域：

短視頻製作:給動漫角色或真人換配音不用重拍
虛擬主播:讓AI主播的嘴型更自然
外語教學:展示標準發音口型
社交娛樂:讓照片唱歌說話做成搞笑視頻

使用教程：(建議N卡，顯存4G起。為了保證生成速度，建議顯存8G起。基於CUDA11.8)

上傳驅動音訊和參考視頻，設置相關參數（對應參數都有詳細說明），生成即可。
可以先調整參數，點測試重繪，預覽效果，再根據預覽調整參數，最後生成。

批量生成使用說明：
解壓一鍵包，依次打開 configs\inference，用記事本或者其他編輯器打開 batch.yaml

task_0:
video_path: "data/video/1.mp4"
audio_path: "data/audio/1.wav"
bbox_shift: -7
task_1:
video_path: "data/video/2.mp4"
audio_path: "data/audio/2.wav"
bbox_shift: -7
顯存低於8G不要使用批量，容易爆顯存

一個視頻對應一個task，以此類推，把所有的素材放到一個目錄裡，比如存放在data下的video和audio，一個存放視頻，一個存放音訊，注意視頻和音訊檔案名不要搞錯了。
bbox就是控制嘴巴張開幅度的。
配置完成後，保存。一鍵啟動批量處理，等待完成

檔案下載
需要的請重新下載
下載 (進門左邊0521)

MuseTalk, 一鍵整合包