SadTalker

西安交通大学开源了人工智能SadTaker模型，通过从音频中学习生成3D运动系数，使用全新的3D面部渲染器来生成头部运动，可以实现图片+音频就能生成高质量的视频。内含多个踩坑的解决办法，值得玩一玩。

功能

可以根据一张图片、一段音频，合成面部说这段语音的视频。图片需要真人或者接近真人。目前项目已经支持stable diffusion webui,可以SD出图后，结合一段音频合成面部说话的视频（抖音常见的数字人）

环境准备

SadTalker相关软件和程序

1. 安装Python3.8
2. 配置ffmpeg环境
3. 切换阿里pip源

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

1. 解压SadTalker.zip启动webui.bat