|
|
|
|
|
[English](./README-EN.md) | 中文版
|
|
|
|
|
|
实时交互流式数字人，实现音视频同步对话。基本可以达到商用效果
|
|
|
|
|
|
[wav2lip效果](https://www.bilibili.com/video/BV1scwBeyELA/) | [ernerf效果](https://www.bilibili.com/video/BV1G1421z73r/) | [musetalk效果](https://www.bilibili.com/video/BV1gm421N7vQ/)
|
|
|
|
|
|
国内镜像地址:<https://gitee.com/lipku/LiveTalking>
|
|
|
|
|
|
|
|
|
|
|
|
## 为避免与3d数字人混淆，原项目metahuman-stream改名为livetalking，原有链接地址继续可用
|
|
|
|
|
|
|
|
|
|
|
|
## News
|
|
|
|
|
|
- 2024.12.8 完善多并发，显存不随并发数增加
|
|
|
|
|
|
- 2024.12.21 添加wav2lip、musetalk模型预热，解决第一次推理卡顿问题。感谢[@heimaojinzhangyz](https://github.com/heimaojinzhangyz)
|
|
|
|
|
|
- 2024.12.28 添加数字人模型Ultralight-Digital-Human。 感谢[@lijihua2017](https://github.com/lijihua2017)
|
|
|
|
|
|
- 2025.2.7 添加fish-speech tts
|
|
|
|
|
|
- 2025.2.21 添加wav2lip256开源模型 感谢@不蠢不蠢
|
|
|
|
|
|
- 2025.3.2 添加腾讯语音合成服务
|
|
|
|
|
|
- 2025.3.16 支持mac gpu推理，感谢[@GcsSloop](https://github.com/GcsSloop)
|
|
|
|
|
|
- 2025.5.1 精简运行参数，ernerf模型移至git分支ernerf-rtmp
|
|
|
|
|
|
- 2025.6.7 添加虚拟摄像头输出
|
|
|
|
|
|
|
|
|
|
|
|
## Features
|
|
|
|
|
|
1. 支持多种数字人模型: ernerf、musetalk、wav2lip、Ultralight-Digital-Human
|
|
|
|
|
|
2. 支持声音克隆
|
|
|
|
|
|
3. 支持数字人说话被打断
|
|
|
|
|
|
4. 支持全身视频拼接
|
|
|
|
|
|
5. 支持webrtc、虚拟摄像头输出
|
|
|
|
|
|
6. 支持动作编排：不说话时播放自定义视频
|
|
|
|
|
|
7. 支持多并发
|
|
|
|
|
|
|
|
|
|
|
|
## 1. Installation
|
|
|
|
|
|
|
|
|
|
|
|
Tested on Ubuntu 24.04, Python3.10, Pytorch 2.5.0 and CUDA 12.4
|
|
|
|
|
|
|
|
|
|
|
|
### 1.1 Install dependency
|
|
|
|
|
|
|
|
|
|
|
|
```bash
|
|
|
|
|
|
conda create -n nerfstream python=3.10
|
|
|
|
|
|
conda activate nerfstream
|
|
|
|
|
|
#如果cuda版本不为12.4(运行nvidia-smi确认版本)，根据<https://pytorch.org/get-started/previous-versions/>安装对应版本的pytorch
|
|
|
|
|
|
conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 pytorch-cuda=12.4 -c pytorch -c nvidia
|
|
|
|
|
|
pip install -r requirements.txt
|
|
|
|
|
|
#如果需要训练ernerf模型，安装下面的库
|
|
|
|
|
|
# pip install "git+https://github.com/facebookresearch/pytorch3d.git"
|
|
|
|
|
|
# pip install tensorflow-gpu==2.8.0
|
|
|
|
|
|
# pip install --upgrade "protobuf<=3.20.1"
|
|
|
|
|
|
```
|
|
|
|
|
|
安装常见问题[FAQ](https://livetalking-doc.readthedocs.io/zh-cn/latest/faq.html)
|
|
|
|
|
|
linux cuda环境搭建可以参考这篇文章 <https://zhuanlan.zhihu.com/p/674972886>
|
|
|
|
|
|
视频连不上解决方法 <https://mp.weixin.qq.com/s/MVUkxxhV2cgMMHalphr2cg>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 2. Quick Start
|
|
|
|
|
|
- 下载模型
|
|
|
|
|
|
夸克云盘<https://pan.quark.cn/s/83a750323ef0>
|
|
|
|
|
|
GoogleDriver <https://drive.google.com/drive/folders/1FOC_MD6wdogyyX_7V1d4NDIO7P9NlSAJ?usp=sharing>
|
|
|
|
|
|
将wav2lip256.pth拷到本项目的models下, 重命名为wav2lip.pth;
|
|
|
|
|
|
将wav2lip256_avatar1.tar.gz解压后整个文件夹拷到本项目的data/avatars下
|
|
|
|
|
|
- 运行
|
|
|
|
|
|
python app.py --transport webrtc --model wav2lip --avatar_id wav2lip256_avatar1
|
|
|
|
|
|
<font color=red>服务端需要开放端口 tcp:8010; udp:1-65536 </font>
|
|
|
|
|
|
客户端可以选用以下两种方式:
|
|
|
|
|
|
(1)用浏览器打开http://serverip:8010/webrtcapi.html , 先点‘start',播放数字人视频；然后在文本框输入任意文字，提交。数字人播报该段文字
|
|
|
|
|
|
(2)用客户端方式, 下载地址<https://pan.quark.cn/s/d7192d8ac19b>
|
|
|
|
|
|
|
|
|
|
|
|
- 快速体验
|
|
|
|
|
|
<https://www.compshare.cn/images/4458094e-a43d-45fe-9b57-de79253befe4?referral_code=3XW3852OBmnD089hMMrtuU&ytag=GPU_GitHub_livetalking> 用该镜像创建实例即可运行成功
|
|
|
|
|
|
|
|
|
|
|
|
如果访问不了huggingface，在运行前
|
|
|
|
|
|
```
|
|
|
|
|
|
export HF_ENDPOINT=https://hf-mirror.com
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 3. More Usage
|
|
|
|
|
|
使用说明: <https://livetalking-doc.readthedocs.io/>
|
|
|
|
|
|
|
|
|
|
|
|
## 4. Docker Run
|
|
|
|
|
|
不需要前面的安装，直接运行。
|
|
|
|
|
|
```
|
|
|
|
|
|
docker run --gpus all -it --network=host --rm registry.cn-beijing.aliyuncs.com/codewithgpu2/lipku-metahuman-stream:2K9qaMBu8v
|
|
|
|
|
|
```
|
|
|
|
|
|
代码在/root/metahuman-stream，先git pull拉一下最新代码，然后执行命令同第2、3步
|
|
|
|
|
|
|
|
|
|
|
|
提供如下镜像
|
|
|
|
|
|
- autodl镜像: <https://www.codewithgpu.com/i/lipku/metahuman-stream/base>
|
|
|
|
|
|
[autodl教程](https://livetalking-doc.readthedocs.io/en/latest/autodl/README.html)
|
|
|
|
|
|
- ucloud镜像: <https://www.compshare.cn/images/4458094e-a43d-45fe-9b57-de79253befe4?referral_code=3XW3852OBmnD089hMMrtuU&ytag=GPU_GitHub_livetalking>
|
|
|
|
|
|
可以开放任意端口，不需要另外部署srs服务.
|
|
|
|
|
|
[ucloud教程](https://livetalking-doc.readthedocs.io/en/latest/ucloud/ucloud.html)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 5. 性能
|
|
|
|
|
|
- 性能主要跟cpu和gpu相关，每路视频压缩需要消耗cpu，cpu性能与视频分辨率正相关；每路口型推理跟gpu性能相关。
|
|
|
|
|
|
- 不说话时的并发数跟cpu相关，同时说话的并发数跟gpu相关。
|
|
|
|
|
|
- 后端日志inferfps表示显卡推理帧率，finalfps表示最终推流帧率。两者都要在25以上才能实时。如果inferfps在25以上，finalfps达不到25表示cpu性能不足。
|
|
|
|
|
|
- 实时推理性能
|
|
|
|
|
|
|
|
|
|
|
|
模型 |显卡型号 |fps
|
|
|
|
|
|
:---- |:--- |:---
|
|
|
|
|
|
wav2lip256 | 3060 | 60
|
|
|
|
|
|
musetalk | 3080Ti | 45
|
|
|
|
|
|
wav2lip256 | 3080Ti | 120
|
|
|
|
|
|
|
|
|
|
|
|
wav2lip256显卡3060以上即可，musetalk需要3080Ti以上。
|
|
|
|
|
|
|
|
|
|
|
|
## 6. 商业版
|
|
|
|
|
|
提供如下扩展功能，适用于对开源项目已经比较熟悉，需要扩展产品功能的用户
|
|
|
|
|
|
1. 高清wav2lip模型
|
|
|
|
|
|
2. 完全语音交互，数字人回答过程中支持通过唤醒词或者按钮打断提问
|
|
|
|
|
|
3. 实时同步字幕，给前端提供数字人每句话播报开始、结束事件
|
|
|
|
|
|
4. 每个连接可以指定对应avatar和音色，avatar图片加载加速
|
|
|
|
|
|
5. 动作编排：不说话时动作、唤醒时动作、思考时动作、进入休眠动作
|
|
|
|
|
|
6. 支持不限时长的数字人形象avatar
|
|
|
|
|
|
7. 提供实时音频流输入接口
|
|
|
|
|
|
8. 数字人透明背景，能叠加动态背景
|
|
|
|
|
|
|
|
|
|
|
|
## 7. 声明
|
|
|
|
|
|
基于本项目开发并发布在B站、视频号、抖音等网站上的视频需带上LiveTalking水印和标识，如需去除请联系作者备案授权。
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
如果本项目对你有帮助，帮忙点个star。也欢迎感兴趣的朋友一起来完善该项目.
|
|
|
|
|
|
* 知识星球: https://t.zsxq.com/7NMyO 沉淀高质量常见问题、最佳实践经验、问题解答
|
|
|
|
|
|
* 微信公众号：数字人技术
|
|
|
|
|
|
|
|
|
|
|
|
|
