零代码制作数字人：SadTalker从照片到会说话的视频全流程

【免费下载链接】SadTalker [CVPR 2023] SadTalker：Learning Realistic 3D Motion Coefficients for Stylized Audio-Driven Single Image Talking Face Animation 项目地址: https://gitcode.com/GitHub_Trending/sa/SadTalker

你是否曾想过让静态照片中的人物开口说话？无论是制作虚拟主播、生成个性化视频贺卡，还是开发互动式教学内容，SadTalker都能帮你实现。本文将带你从零开始，用最简单的方式完成从单张照片到动态数字人的全流程制作，无需编程基础，10分钟即可上手。

什么是SadTalker

SadTalker是一个基于深度学习的开源项目，能够将单张肖像照片与音频结合，生成逼真的会说话的人脸动画。它采用3D运动系数学习技术，使生成的面部表情和头部姿态更加自然，支持全身图像动画、表情增强、自由视角控制等高级功能。

项目地址：GitHub_Trending/sa/SadTalker
官方文档：README.md
最佳实践：docs/best_practice.md

准备工作：环境搭建

系统要求

• 操作系统：Windows 10/11、Linux或macOS
• 硬件：推荐带NVIDIA显卡的电脑（至少4GB显存），也支持CPU运行（速度较慢）
• 软件：已安装Python 3.8及以上版本、Git和ffmpeg

快速安装步骤

Windows用户

1. 下载并安装Python 3.8，勾选"Add Python to PATH"
2. 安装Git和ffmpeg，确保已添加到系统PATH
3. 克隆项目仓库：

   git clone https://gitcode.com/GitHub_Trending/sa/SadTalker
   cd SadTalker
   

4. 双击运行webui.bat，程序将自动安装所需依赖并启动Web界面

Linux/macOS用户

git clone https://gitcode.com/GitHub_Trending/sa/SadTalker
cd SadTalker
conda create -n sadtalker python=3.8
conda activate sadtalker
pip install torch torchvision torchaudio
conda install ffmpeg
pip install -r requirements.txt
bash scripts/download_models.sh  # 下载模型文件
bash webui.sh  # 启动Web界面

安装问题排查：docs/FAQ.md
macOS特殊配置：docs/install.md

制作流程：3步生成数字人视频

第1步：准备素材

图片要求

• 格式：JPG或PNG
• 内容：清晰的正面人脸，光线充足
• 示例图片：examples/source_image/happy.png

音频要求

• 格式：WAV或MP3
• 时长：建议不超过5分钟
• 示例音频：examples/driven_audio/chinese_news.wav

第2步：配置参数

启动Web界面后，你会看到如下参数设置区域：

1. 基础设置

   • 上传图片和音频文件
   • 选择输出目录

2. 高级选项

   • 增强模式（Enhancer）：选择gfpgan提升面部质量
   • 预处理模式（Preprocess）：
     • crop：仅处理面部区域（默认）
     • full：处理全身图像，需配合still模式使用
   • 表情强度（Expression Scale）：建议值1.0-1.5

参数详细说明：docs/best_practice.md

第3步：生成视频

点击"Generate"按钮开始生成，进度条会显示当前状态。生成完成后，视频文件将保存在results目录下，文件名为时间戳+原始图片名。

命令行方式（高级用户）

python inference.py --driven_audio examples/driven_audio/chinese_news.wav \
                    --source_image examples/source_image/happy.png \
                    --enhancer gfpgan \
                    --preprocess full \
                    --still

高级技巧：提升视频质量

表情增强

使用--expression_scale参数调整表情强度，值越大表情越夸张：

--expression_scale 1.2  # 增强表情

参考视频驱动

通过参考视频控制眨眼和头部姿态：

--ref_eyeblink reference.mp4  # 借用参考视频的眨眼动作
--ref_pose reference.mp4     # 借用参考视频的头部姿态

自由视角控制

通过以下参数可以让数字人转头：

--input_yaw -20 30 10  # 左右转动角度
--input_pitch 5 -5 5   # 上下转动角度

常见问题解决

生成速度慢

• 确保已安装CUDA并使用GPU加速
• 降低输入图片分辨率
• 关闭增强模式

面部扭曲或不自然

• 检查输入图片是否符合要求（正面、清晰）
• 尝试使用--still参数减少头部运动
• 调整--expression_scale为0.8-1.0

CUDA内存不足

# Linux
export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128
# Windows
set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128

更多问题解决：docs/FAQ.md

应用场景与案例

适用场景

• 虚拟主播制作
• 教育内容生成
• 营销视频制作
• 个性化贺卡

效果对比

模式	效果
普通模式
全身模式
增强模式

总结与进阶

通过SadTalker，你已经可以轻松将静态图片转换为会说话的数字人视频。如需进一步提升效果，可以：

1. 学习高级参数配置：docs/best_practice.md
2. 尝试3D面部可视化：docs/face3d.md
3. 探索WebUI扩展：docs/webui_extension.md

如果你制作了有趣的作品，欢迎在社区分享！关注项目更新，获取更多高级功能。

项目更新日志：docs/changlelog.md

【免费下载链接】SadTalker [CVPR 2023] SadTalker：Learning Realistic 3D Motion Coefficients for Stylized Audio-Driven Single Image Talking Face Animation 项目地址: https://gitcode.com/GitHub_Trending/sa/SadTalker