让照片开口讲话，让视频人物对口型

代码地址：https://github.com/Rudrabha/Wav2Lip
我用的python版本是3.10

1. 安装ffmpeg
windows：https://www.gyan.dev/ffmpeg/builds/ffmpeg-git-full.7z解压后bin目录添加到环境变量。
Ubuntu：

apt-get install ffmpeg

2. 安装依赖

 pip install -r requirements.txt

直接安装，使用cpu处理音视频文件，处理速度较慢
或者（有显卡的）删除requirements.txt里面的torch、torchvision，从https://pytorch.org/get-started/locally下载gpu版本
在这里插入图片描述

执行命令

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

3. 下载人脸切割处理模型

4. 下载权重模型
点此下载权重文件放入项目根目录
在这里插入图片描述

5. 准备一张人物照片或者人物视频（人脸清晰），一个音频（视频）文件
在这里插入图片描述

python inference.py --checkpoint_path wav2lip_gan.pth --face video.mp4 --audio audio.mp3

结果在results文件夹中
在这里插入图片描述

6. 看效果
图片效果：

视频效果（视频经过其他处理）：

标签： python 语音识别人工智能

本文转载自: https://blog.csdn.net/no_name_left/article/details/129652725
版权归原作者 色楠不哭 所有，如有侵权，请联系我们删除。