ComfyUI+MuseV+MuseTalk图片数字人

电脑配置

GPU12G+，如果自己电脑配置不够，选择云gpu，我就是用的这个，自己电脑太老配置跟不上

环境：

Python 3.11.8

torch 2.2.1

cuda_12.1

资源提供：

链接：https://pan.baidu.com/s/1_idZbFSl4W12ZooBaRJOpA
提取码：7x21

muse/data：数据支持防止到models中对应位置

muse/ComfyUI.ZIP：完整包（包括 ComfyUI+ComfyUI-Manager+MuseV资源+MuseTalk资源），差不多就是直接用这个资源就行了，包含了所有

一、ComfyUI

https://github.com/comfyanonymous/ComfyUI.git

安装：

pip install -r requirements.txt

启动服务：

python main.py --listen=0.0.0.0 --port=8080

二、ComfyUI-Manager

https://github.com/ltdrdata/ComfyUI-Manager.git

将ComfyUI-Manager移动到ComfyUI/custom_nodes下

三、ComfyUI-MuseV

GitHub - chaojie/ComfyUI-MuseV

通过ComfyUI-Manager安装musev

下载MuseV需要的models

huggingface-cli download --resume-download TMElyralab/MuseV --local-dir ComfyUI/models/diffusers/TMElyralab/MuseV

四、ComfyUI-MuseTalk

GitHub - chaojie/ComfyUI-MuseTalk

安装ComfyUI-MuseTalk

下载Talk相关model：

1. Download our trained weights.
2. Download the weights of other components:- sd-vae-ft-mse- whisper- dwpose- face-parse-bisent- resnet18

文件列表:

ComfyUI/models/diffusers/TMElyralab/MuseTalk/
├── musetalk
│   └── musetalk.json
│   └── pytorch_model.bin
├── dwpose
│   └── dw-ll_ucoco_384.pth
├── face-parse-bisent
│   ├── 79999_iter.pth
│   └── resnet18-5c106cde.pth
├── sd-vae-ft-mse
│   ├── config.json
│   └── diffusion_pytorch_model.bin
└── whisper
    └── tiny.pt

安装完后会提示web页面会提示重启，不过会有很多其它的问题，后面有各种问题的解决方案。

通过右边菜单load加载从https://github.com/chaojie/ComfyUI-MuseTalk/blob/main/wf.json 下载的文件。

并且上传视频和音频，视频可以从浏览器上传，但是音频需要手动上传到服务器的后台，填写绝对路径。

最后点击Queue Prompt

等待几分钟最终得到如图结果：

这里有点意思是需要把frame_rate设置成8，并且需要设置音频文件的end时间

五、使用总结

Musev使用部分还行，有的会出现shutterstock水印，有的会出现视频中多一只手，视频中人物换成另一个，体验下来并不是有多好多好，感觉离github上效果还是蛮大的

MuseTalk比Wav2lip效果好点吧，下巴位置模糊一些，给人的感觉像是wav2lip的升级版，由底部透明方框变成了把方框模糊的感觉

最后，这两个工具如果想直接用，个人感觉不太现实，如果想在AI上研究还是可以的，如果想做自媒体，还是去找国外的平台吧，可能需要点钱，不过比用开源的好多的。测试了几款开源数字人，还没遇到好用的，包括最新出来的Hallo

错误解决：

musev出现问题

1 Cannot import /hy-tmp/ComfyUI/custom_nodes/ComfyUI-MuseV module for custom nodes: No module named 'omegaconf'

pip install omegaconf

2 Cannot import /hy-tmp/ComfyUI/custom_nodes/ComfyUI-MuseV module for custom nodes: No module named 'pandas'

pip install pandas

3 Cannot import /hy-tmp/ComfyUI/custom_nodes/ComfyUI-MuseV module for custom nodes: No module named 'sklearn'

pip install scikit-learn

4 Cannot import /hy-tmp/ComfyUI/custom_nodes/ComfyUI-MuseV module for custom nodes: No module named 'librosa'

pip install librosa

5 Cannot import /hy-tmp/ComfyUI/custom_nodes/ComfyUI-MuseV module for custom nodes: No module named 'ffmpeg'

pip install ffmpeg

6 Cannot import /hy-tmp/ComfyUI/custom_nodes/ComfyUI-MuseV module for custom nodes: No module named 'easydict'

pip install easydict

7 ModuleNotFoundError: No module named 'ip_adapter'

pip install ip_adapter

8 ImportError: cannot import name 'StableDiffusionPipeline' from 'diffusers' (unknown location)

pip install diffusers

9 ModuleNotFoundError: No module named 'xformers'

pip install xformers

10 RuntimeError: operator torchvision::nms does not exist

pip install torch torchvision --upgrade

11 ImportError: cannot import name 'ProjPlusModel' from 'ip_adapter.ip_adapter_faceid'

pip uninstall ip_adapter
pip install git+https://github.com/tencent-ailab/IP-Adapter.git

12 ModuleNotFoundError: No module named 'skimage'

pip install scikit-image

13 ModuleNotFoundError: No module named 'timm'

pip install timm

musetalk问题

1 ModuleNotFoundError: No module named 'mmcv'

pip install 'mmcv>=2.0.0rc4,<2.2.0'

2 ModuleNotFoundError: No module named 'mmdet'

pip install mmdet

3 RuntimeWarning: Couldn't find ffmpeg or avconv - defaulting to ffmpeg, but may not work
warn("Couldn't find ffmpeg or avconv - defaulting to ffmpeg, but may not work", RuntimeWarning)

sudo apt install ffmpeg

4 AttributeError: module 'ffmpeg' has no attribute 'Error'

卸载低版本的ffmpeg

pip uninstall ffmpeg
pip uninstall ffmpeg_python

重新安装

pip install ffmpeg-python

参考文档：

版本匹配：Installation — mmcv 2.2.0 文档

训练数据：https://civitai.com/user/impactframes

听说最近又出了一款比较好的图片数字人的开源工具，不过还没有测试

GitHub - fudan-generative-vision/hallo: Hallo: Hierarchical Audio-Driven Visual Synthesis for Portrait Image Animation