Navigate to WaytoAGI Wiki →
Home/question.detail.breadcrumb.questionList/question.detail.breadcrumb.questionDetail

AI 数字人最新消息

Answer

以下是关于 AI 数字人的最新消息：

  • 目前业界对于数字人的定义尚未统一，一般可根据技术栈分为真人驱动和算法驱动两类。算法驱动数字人的相关开源代码有很多，如 ASR 语音识别方面的 openai 的 whisper（https://github.com/openai/whisper）、wenet（https://github.com/wenet-e2e/wenet）、speech_recognition（https://github.com/Uberi/speech_recognition，这是一个语音识别的接口集合，包含不同实现的语音识别接口）。AI Agent 大模型部分包括 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等，Agent 部分可使用 LangChain 的模块进行自定义（https://www.langchain.com/）。TTS 方面，有微软的 edge-tts（https://github.com/rany2/edge-tts，只能使用里面预设的人物声音，目前接口免费）、VITS（https://github.com/jaywalnut310/vits）以及专注于唱歌的 so-vits-svc（https://github.com/svc-develop-team/so-vits-svc，前段时间很火的 AI 孙燕姿就与其相关）。
  • 4 月 25 日的消息：
    • Synthesia 推出新型虚拟数字人 Expressive-1，能通过脚本预测表情，数字人可自动解析和理解文本情绪，实现表情和声音同步。链接：https://x.com/imxiaohu/status/1783505405488054433
    • 360 AI 浏览器新版增加了视频总结、提问、转录和翻译功能，支持本地和网络视频的内容分析，但无法提取无对白视频摘要。链接：http://browser.360.cn/ai https://x.com/imxiaohu/status/1783495437422649719
    • 全球最大 AI 知识库“通往 AGI 之路”网站访问量突破 1000 万，网站内容丰富，旨在推动 AI 知识的普及。链接：http://WaytoAGI.com https://x.com/imxiaohu/status/1783475002815471669
    • 日本横须贺市使用 AI 技术克隆市长，用于发布英语信息，技术应用广泛，包括灾难信息传播和旅游信息发布。
Content generated by AI large model, please carefully verify (powered by aily)

References

AI 数字人-定义数字世界中的你

上述算法开源的代码有很多，这里列出一些仓库供大家参考：ASR语音识别openai的whisper:https://github.com/openai/whisperwenet:https://github.com/wenet-e2e/wenetspeech_recognition(这是一个语音识别的接口集合，里面有不同实现的语音识别的接口):https://github.com/Uberi/speech_recognitionAI Agent大模型部分就比较多了，包括ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等等。Agent部分可以使用LangChain的模块去做自定义，里面基本包含了Agent实现的几个组件(https://www.langchain.com/)TTS微软的edge-tts：https://github.com/rany2/edge-tts，只能使用里面预设的人物声音，目前接口免费。VITS：https://github.com/jaywalnut310/vits，还有很多的分支版本，可以去搜索一下，vits系列可以自己训练出想要的人声。so-vits-svc:https://github.com/svc-develop-team/so-vits-svc，专注到唱歌上面，前段时间很火的AI孙燕姿。

XiaoHu.AI日报

🔔Xiaohu.AI日报「4月25日」 ✨✨✨✨✨✨✨✨1⃣️🎭 Synthesia新技术展示：推出新型虚拟数字人Expressive-1，能通过脚本预测表情。数字人可自动解析和理解文本情绪，实现表情和声音同步。🔗 https://x.com/imxiaohu/status/17835054054880544332⃣️🌐 360 AI浏览器新功能：新版AI浏览器增加了视频总结、提问、转录和翻译功能。支持本地和网络视频的内容分析，但无法提取无对白视频摘要。🔗 http://browser.360.cn/ai🔗 https://x.com/imxiaohu/status/17834954374226497193⃣️📚全球最大AI知识库一周年：通往AGI之路网站访问量突破1000万。网站内容丰富，旨在推动AI知识的普及。🔗 http://WaytoAGI.com 🔗 https://x.com/imxiaohu/status/17834750028154716694⃣️🤖日本横须賀市AI市长：使用AI技术克隆市长，用于发布英语信息。技术应用广泛，包括灾难信息传播和旅游信息发布。

XiaoHu.AI日报

🔔Xiaohu.AI日报「4月25日」 ✨✨✨✨✨✨✨✨1⃣️🎭 Synthesia新技术展示：推出新型虚拟数字人Expressive-1，能通过脚本预测表情。数字人可自动解析和理解文本情绪，实现表情和声音同步。🔗 https://x.com/imxiaohu/status/17835054054880544332⃣️🌐 360 AI浏览器新功能：新版AI浏览器增加了视频总结、提问、转录和翻译功能。支持本地和网络视频的内容分析，但无法提取无对白视频摘要。🔗 http://browser.360.cn/ai🔗 https://x.com/imxiaohu/status/17834954374226497193⃣️📚全球最大AI知识库一周年：通往AGI之路网站访问量突破1000万。网站内容丰富，旨在推动AI知识的普及。🔗 http://WaytoAGI.com 🔗 https://x.com/imxiaohu/status/17834750028154716694⃣️🤖日本横须賀市AI市长：使用AI技术克隆市长，用于发布英语信息。技术应用广泛，包括灾难信息传播和旅游信息发布。

Others are asking
我想借助AI帮我理解学术名词，需要如何操作？
要借助 AI 帮助您理解学术名词，您可以采取以下几种操作方式： 1. 使用在线智能语言模型工具，如 ChatGPT 等，向其清晰准确地描述您想要理解的学术名词，并提出您的疑问和需求。 2. 利用知识问答类的 APP 或网站，输入相关学术名词，获取相关的解释和说明。 3. 对于一些特定领域的学术名词，还可以查找专门针对该领域的 AI 辅助学习工具。 在与 AI 交流时，尽量详细地描述您的困惑和期望，以便获得更准确和有用的回答。
2024-12-26
AI图生视频前沿
以下是关于 AI 图生视频前沿的相关信息： 在近半年闭源产品趋势方面： 1. 服务头部创作者方面，产品将逐渐增强编辑器能力，强化视频细节可控性，并智能化后期制作任务。 2. 影视后期方向，可将动捕演员表演转化为虚拟角色，提高特效制作效率。 3. 专业领域，创作者能通过草图分镜快速验证效果，但目前效果不够成熟。 4. 随着实时生成能力提升和成本下降，AI 实验性艺术在博物馆、展览等互动应用将增多。 5. 在 C 端大众消费侧，AI 视频在小说、网文阅读、短情景剧等内容消费方向有潜力，人物识别和替换可衍生电商平台虚拟试衣间能力。 6. 模板套用能力若以低成本开放在短视频产品中，可能带来新的爆发周期。 其他动态包括： 1. Krea 用开放的 API 做了自己的 AI 视频功能，支持对任何视频输入提示词进行延长。 2. Runway 发布 ActOne 功能，支持将现实视频的人物表情和动作迁移到生成的视频上，且已全量开放。 3. Ideogram 发布 Ideogram Canvas，可在无限画布上对生成的图片进行编辑。 4. Meta 的图像分割模型 SAM 更新了 2.1，大幅加强了相似物体和小物体的分割和识别效果。 在 2024 年国内外 AI 企业竞争方面： 1. 中国开源项目赢得全球粉丝，成为积极开源贡献者。DeepSeek 在编码任务中表现出色，阿里巴巴的 Qwen2 系列视觉能力令人印象深刻，清华大学的 OpenBMB 项目催生了 MiniCPM 项目。 2. 国外 Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，并在定制化方面进步显著。今年 3 月推出的 Stable Video 3D 可预测三维轨道。 3. OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等，还使用原始大小和纵横比的视觉数据训练。 4. Google DeepMind 的 Veo 将文本和可选图像提示与嘈杂压缩视频输入结合，创建并解码独特的压缩视频表示。
2024-12-26
AI直播主要财务假设
以下是关于 AI 直播的主要财务假设相关内容： AI 数字人直播盈利方式： 1. 直接销售数字人工具软件，实时驱动类一年价格在 4 6 万往上（标准零售价），非实时驱动类一个月 600 元，但效果差，市场价格混乱。 2. 提供数字人运营服务，按直播间成交额抽佣。 AI 直播卖货适用品类和场景： 1. 适用于不需要强展示的商品，如品牌食品饮料；不适用于服装，过品快且建模成本高。 2. 适用于虚拟商品，如门票、优惠券等。 3. 不适用于促销场景，涉及主播话术、套路和调动氛围能力等。 4. 电商直播中，数字人直播在店播方面效果较好，数据基本能保持跟真人一样。 AI 直播的壁垒和未来市场格局： 1. 长期来看技术上无壁垒，但目前仍有技术门槛，如更真实的对口型、更低的响应延迟等。 2. 不会一家独大，可能有 4 5 家一线效果的公司，大多为二三线效果公司。 3. 真正把客户服务好、能规模化扩张的公司更有价值，疯狂扩代理割韭菜、不考虑客户效果的公司售后问题麻烦。 4. 有资源、有业务的大平台下场可能带来降维打击，例如剪映若不仅提供数字人，还提供货品供应链、数据复盘分析等全环节服务，会绑定商家，竞争难度大。 RPA + 财务税务问答机器人制作教程相关： 1. 关于 AI 税务机器人的直播准备与开场，包括封面制作、声音测试、人员分工等，并进行了直播开场。 2. AI 在税务工作中的应用及实现方式，包括利用引刀 AP 创建网页实现智能解答税务问题，结合飞书避免信息泄露和实现自动回复等。 3. 使用引到 AP 创建税务 AI 智能助手及相关部署，包括搭建知识库、创建并部署 AI 工作流，还提及结合飞书功能使用的原因。 4. 飞书机器人与引到 AP 的结合及相关问题，包括操作步骤、常见问题及与其他产品的区别等。 5. RPA 产品介绍及应用场景，杭州分叉智能公司成立三四年，获几亿美金融资，其 RPA 产品可控制桌面软件，实现办公流程自动化。RPA 是流程自动化机器人，可替代电脑办公中的重复有逻辑工作，为企业降本增效，底层语言用 Python，使用界面为全中文。适用场景如开具大量发票、查询大量出租车违章、朋友圈点赞等，在财务领域可用于开票、网银流水下载等。还展示了创建 RPA 机器人的流程，通过指令控件让机器人执行任务，操作比代码更简单。公司多人多部门使用 RPA 可实现无人化办公专区，提高办公效率，节省人力时间成本。
2024-12-26
ai视频前沿
以下是关于 AI 视频前沿的相关信息： AI 视频学社： 简介：为方便大家测试学习 AI 视频相关知识和内容而建立，可通过参与每周比赛、观看高手直播分享来快速学习，涵盖 AI 视频和影视创作领域最前沿的知识。 目标： 不定期直播，AI 视频方向高手直播分享。 每周固定 1 次 video battle 视频挑战赛，周一发布主题，周日 18 点前交稿，有奖品。 不定期组织线上或者线下活动。 一起学习 AI 视频最新软件和最新知识，学习图生视频、视频生视频等技巧。 软件教程： 每周一赛： 2024 人工智能报告： 2024 年是 AI 图像视频迅速发展的一年，赛道竞争激烈。 国内：中国开源项目赢得全球粉丝，成为积极开源贡献者。几个模型在个别子领域表现出色，如 DeepSeek 在编码任务中受青睐，阿里巴巴的 Qwen2 系列视觉能力印象深刻，清华大学的 OpenBMB 项目催生了 MiniCPM 项目。 国外：Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，还推出了 Stable Video 3D。OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等。Google DeepMind 的 Veo 将文本和图像提示与视频输入结合生成高分辨率视频。 AI 视频生成产品推荐及实践教学： Runway：年初在互联网爆火，由总部位于旧金山的 AI 创业公司制作，2023 年初推出的 Gen2 代表当前 AI 视频领域前沿模型，能通过文字、图片等生成 4s 左右视频，致力于专业视频剪辑领域的 AI 体验，同时扩展图片 AI 领域能力。目前支持网页、iOS 访问，网页端有 125 积分免费试用额度（可生成约 105s 视频），iOS 有 200 多，两端额度不同步。官方网站：https://runwayml.com/ Gen1 和 Gen2 的区别和使用方法：Gen1 的主要能力有视频生视频、视频风格化、故事版、遮罩等，仅支持视频生视频是与 Gen2 的最大差异。Gen1 使用流程： Gen1 能力介绍：https://research.runwayml.com/gen1 Gen1 参数设置:https://help.runwayml.com/hc/enus/articles/15161225169171 学习视频：https://youtu.be/I4OeYcYf0Sc
2024-12-26
AI 哪些功能可以用于运动人群
以下是 AI 在运动人群方面的相关功能和应用： 1. AI 健身：利用人工智能技术辅助或改善健身训练和健康管理。通过算法和数据分析为用户个性化地指导锻炼、提供健康建议、监测运动进度和反馈。应用于健身应用程序、智能健身设备和在线健身培训等领域，为用户提供更智能、更个性化的健身体验。 2. 健身的 AI 工具： Keep：中国最大的健身平台，提供全面的健身解决方案。网址：https://keep.com/ Fiture：由核心 AI 技术打造，集硬件、丰富课程内容、明星教练和社区于一体。网址：https://www.fiture.com/ Fitness AI：利用人工智能进行锻炼，增强力量和速度。网址：https://www.fitnessai.com/ Planfit：健身房家庭训练与 AI 健身计划，AI 教练是专门针对健身的生成式人工智能，使用 800 多万条文本数据和 ChatGPT 实时提供指导。网址：https://planfit.ai/ 此外，还有一些与运动相关的 AI 技术，如 Inworld AI 开发的角色引擎，可将游戏中的 NPC 进行 AI 化，使 NPC 能够自我学习和适应，具有情绪智能，能通过模拟人类的全方位沟通方式表达个性，其功能包括目标和行动、长期记忆、个性、情绪等。但需要注意的是，内容由 AI 大模型生成，请仔细甄别。
2024-12-26
可以画曼陀罗的AI有哪些
以下是一些可以画曼陀罗的 AI 工具： 1. Creately：是一个在线绘图和协作平台，利用 AI 功能简化图表创建过程，适合绘制流程图、组织图、思维导图等。具有智能绘图功能，可自动连接和排列图形，有丰富的模板库和预定义形状，实时协作功能适合团队使用。官网：https://creately.com/ 2. Whimsical：专注于用户体验和快速绘图的工具，适合创建线框图、流程图、思维导图等。具有直观的用户界面，易于上手，支持拖放操作，快速绘制和修改图表，提供多种协作功能，适合团队工作。官网：https://whimsical.com/ 3. Miro：在线白板平台，结合 AI 功能，适用于团队协作和各种示意图绘制，如思维导图、用户流程图等。具有无缝协作，支持远程团队实时编辑，丰富的图表模板和工具，支持与其他项目管理工具（如 Jira、Trello）集成。官网：https://miro.com/ 需要注意的是，使用 AI 绘制曼陀罗时，您可以根据具体需求选择合适的工具，并按照以下步骤操作： 1. 选择工具：根据您的具体需求选择合适的 AI 绘图工具。 2. 创建账户：注册并登录该平台。 3. 选择模板：利用平台提供的模板库，选择一个适合您需求的模板。 4. 添加内容：根据您的需求，添加并编辑图形和文字。利用 AI 自动布局功能优化图表布局。 5. 协作和分享：如果需要团队协作，可以邀请团队成员一起编辑。完成后导出并分享图表。
2024-12-26
ai最新消息
以下是 AI 领域的一些最新消息： 10 月： Gartner 发布 2025 年十大战略技术趋势。 开源多模态 LLM 框架 Janus。 开源大模型能力评估模型 CompassJudger。 Anthropic 发布新功能 computer use 以及 Claude 3.5 Haiku，更新 Claude 3.5 Sonnet。 Stability AI 发布 Stable Diffusion 3.5。 x.AI 正式推出 API。 ComfyUI V1 官方桌面版开放内测。 华为发布纯血操作系统鸿蒙 OS NEXT。 Jina AI 推出高性能分类器 Classifier API。 OpenAI 发布图像生成模型 sCM。 Midjourney 上线外部图片编辑器。 Runway 发布动画视频功能 ActOne。 Ideogram 推出 AI 画板工具 Canvas。 Genmo 开源视频生成模型 Mochi 1。 荣耀发布操作系统 MagicOS 9.0。 美国 14 岁少年与 C.AI 聊天后离世。 新华社发文表示警惕「AI 污染」乱象。 港中文&趣丸推出 TTS 模型 MaskGCT。 科大讯飞发布讯飞星火 4.0 Turbo。 阿里通义代码模式开始内测。 Anthropic Claude 新增数据分析功能。 北京市大中小学推广 AI 学伴和 AI 导学应用。 稚晖君开源「灵犀 X1」全套资料。 OpenAI 高管 Miles Brundage 离职。 3 月： 有 23 个 AI 新产品，包括来自大公司和成熟创业公司的新产品、有用的、有趣的以及华人开发者所搭建的小产品。 有关于呼吁暂停/禁止大模型训练以及研究 AI 技术发展、垂直领域应用、商业落地形态和人机共生问题的不同立场。 2024 年： 来自剑桥大学、AI 风险投资公司 Air Street Capital 创始人兼 CEO Nathan Benaich 和来自牛津大学、Air Street Capital 平台负责人 Alex Chalmers 共同发表《State of AI Report》2024 人工智能现状报告，主要围绕人工智能（AI）领域的最新进展、政治动态、安全挑战及未来预测几大方面进行说明。
2024-12-16
chatpgt有什么最新消息
以下是关于 ChatGPT 的一些最新消息： Gradio 发布了 Gradio Discord Bot，允许在 Discord 服务器中使用 Spaces 中的演示进行语言翻译、文字转语音、文字生成图像等。 Hugging Face 现在可以使用 Docker Spaces。 OpenAI 预测到 2024 年收入将达到 10 亿美元。 ChatGPT 推出了更新，现在可以查看以前的历史对话。 2024 年 1 月 27 日，ChatGPT 又更新了，推出了新的 Mention 功能，可以在聊天窗口中通过@直接召唤任何 GPTS。 2024 年 4 月 26 日，ChatGPT 更新，正式推出个性化新功能，可以记住用户过去提到的内容，用户可自行决定要记住什么。
2024-09-26
24小时内中国AI医美最新消息
以下是为您找到的关于中国 AI 医美的相关消息： 有一个将 AI 和中医结合的项目，其先是用摄像头观察患者的口腔和舌苔，再用指尖传感器号脉，然后根据观测的数据生成选择题让患者作答，最后 AI 会生成药方。该项目目前应用在辅助看诊，能够提高诊疗效率，创始人的愿景是在未来实现 24 小时独立问诊开药。 但目前没有关于 24 小时内中国 AI 医美最新消息的准确和详尽内容。要获取最新的信息，您可以查阅相关的科技新闻网站、学术论坛或关注人工智能领域的社交媒体平台。
2024-09-17
24小时内中国AI前沿科技最新消息
以下是 24 小时内中国 AI 前沿科技的最新消息： 阿里 CEO 吴泳铭表示将开源国内最大 720 亿参数模型。 京东 CEO 称正在测试 AI 自动生成营销内容。 此外，还有一些国际上的 AI 相关消息： 苹果新专利：CGR 技术生成虚拟形象，展示穿戴效果。 微软 AI 专利：充当治疗师，疏导心理问题。 苹果改造 Siri：明年或用大语言模型。 谷歌 Open Se Cura：为 Pixel 带来低功耗 AI。 微软计划：AI 助手 Copilot 将进入 Windows 10。 亚马逊成立 AI 训练团队，投资数百万美金。 ChatGPT 持续宕机，CEO 道歉。 GitHub Universe 2023 新功能：新的 Copilot 聊天功能，Copilot 支持手机应用，GitHub Copilot Workspace，产问题查询 GitHub Copilot 企业版：每月 39 美元的高级服务。GitHub Copilot 合作伙伴计划，GitHub 高级安全功能。
2024-09-17
AI数字人的最新消息
以下是关于 AI 数字人的最新消息： 4 月 25 日，Synthesia 推出新型虚拟数字人 Expressive1，能通过脚本预测表情，可自动解析和理解文本情绪，实现表情和声音同步。链接：https://x.com/imxiaohu/status/1783505405488054433 11 月 7 日，百度虚拟数字人“度晓晓”携文心一言入驻淘宝。链接：https://x.com/xiaohuggg/status/1721876724798136544?s=20
2024-09-12
ai最新消息
以下是 11 月 7 日的 AI 最新消息： 马斯克 xAI 公司宣布推出 PromptIDE 开发工具。 阿里云 A100 服务器业务暂停出租，算力价格飞涨。 微软发布 7 款针对对话优化的 AI 语音，更加逼真自然。 谷歌正测试 2 项 AI 功能，以改善 YouTube 观看体验。 微软将 AI 引入 Xbox，可生成 AI 角色、故事剧情等。 英国一学校启用人工智能担任校长，帮助教师了解学生。 百度虚拟数字人「度晓晓」携文心一言入驻淘宝。 美团推出 AI 产品 Wow 定位 AI 朋友社区。链接：https://x.com/xiaohuggg/status/1721876724798136544?s=20 当前 AI 前沿技术点包括： 1. 大模型（Large Language Models）：如 GPT、PaLM 等。 2. 多模态 AI：视觉语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习：自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：元学习、一次学习、提示学习等。 5. 可解释 AI：模型可解释性、因果推理、符号推理等。 6. 机器人学：强化学习、运动规划、人机交互等。 7. 量子 AI：量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。
2024-08-07
开源数字人
以下是关于开源数字人的相关信息： 组合方案： 1. 先剪出音频，使用 https://elevenlabs.io/speechsynthesis 或使用 GPTsovits克隆声音，做出文案的音频。 2. 使用 wav2lip 整合包，导入视频和音频，对口型得到视频。基础 wav2lip+高清修复整合包下载地址：https://github.com/Rudrabha/Wav2Lip 。 构建高质量的 AI 数字人： 建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前。笔者的开源数字人项目（项目地址：https://github.com/wanh/awesomedigitalhumanlive2d）选择了 live2d 作为数字人躯壳，因为这类 SDK 的驱动方式相比现在的 AI 生成式的方式更加可控和自然，相比虚幻引擎这些驱动方式又更加轻量和简单；另外超写实的数字人风格在目前的技术能力下，处理不好一致性问题，容易带来虚假的感觉或者产生恐怖谷效应，而卡通二次元的形象给人的接受度更高。关于 live2d 的 SDK 驱动方式可以参考官方示例：https://github.com/Live2D 。 相关产品：https://synclabs.so/
2024-12-26
数字人克隆
以下是关于数字人克隆的相关内容： 开源数字人组合方案： 1. 第一步：剪出音频，使用 https://elevenlabs.io/speechsynthesis 或使用 GPTsovits（）克隆声音，做出文案的音频。 2. 第二步：使用 wav2lip 整合包，导入视频和音频，对口型得到视频。基础 wav2lip+高清修复整合包下载地址：https://github.com/Rudrabha/Wav2Lip 。产品：https://synclabs.so/ 剪映数字人“个性化“—无限免费私模数字人： 剪映做数字人的优势： 剪映作为字节跳动旗下的产品，在抖音平台上被广泛应用，海外版 CapCut 登顶过美国 App Store，在全球各国 App Store 和 Google Play 平台上的安装总量已超过 2.5 亿次，在美国市场内的安装总量接近 950 万次。 六大 AI 功能解决了用数字人做视频的痛点，在编辑器里就能完成脚本生成→语音克隆→数字人口播的环节。 制作流程： 打开剪映，添加文本到文字轨道，修改好需要朗读的文字。 点击朗读，进行声音克隆，剪映的声音克隆现在只用念一句话就可以完成克隆。 克隆完成后，选择喜欢的数字人形象，并把自己的克隆音色换上去。 一键智能生成字幕，自行调整文字样式并校准。 数字人“私有化”： 尽管剪映已有很多公模数字人，但私模数字人更受欢迎。 用 AI 换脸软件完成最后一步： 第一步：打开谷歌浏览器，点击链接 https://github.com/facefusion/facefusioncolab 并点击 open colab 进到程序主要运行界面，在右上角点击“代码执行程序”选择“全部运行”，点击红框对应的 URL 就会打开操作界面。 第二步：点击“source”上传自己的照片和“target”上传之前的剪映数字人视频，保持默认参数，点击“START”就能生成。 第三步：等着自己专属的数字人视频出炉。 剪映下载地址： 。 有关数字人使用上的问题，欢迎在底部评论区留言交流。对数字人课程感兴趣的话，欢迎查看通往 AGI 之路 X AI 沃茨的《克隆你自己》课程！在线观看第一节：https://www.bilibili.com/video/BV1yw411E7Rt/?spm_id_from=333.999.0.0 课程内容：
2024-12-25
数字人
数字人是运用数字技术创造出来的人，虽现阶段不能如科幻作品中的人型机器人般高度智能，但已在生活各场景中常见，且随 AI 技术发展迎来应用爆发。目前业界对其尚无准确定义，一般根据技术栈不同分为真人驱动和算法驱动两类。 真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，主要用于影视行业及直播带货，表现质量与手动建模精细度及动捕设备精密程度直接相关，不过视觉算法进步使在无昂贵动捕设备时，通过摄像头捕捉人体骨骼和人脸关键点信息也能有不错效果。 制作数字人的工具主要有： 1. HeyGen：AI 驱动的平台，能创建逼真数字人脸和角色，使用深度学习算法生成高质量肖像和角色模型，适用于游戏、电影和虚拟现实等。 2. Synthesia：AI 视频制作平台，可创建虚拟角色并进行语音和口型同步，支持多种语言，用于教育视频、营销内容和虚拟助手等场景。 3. DID：提供 AI 拟真人视频产品服务和开发，上传人像照片和输入内容，平台的 AI 语音机器人自动转换成语音并合成逼真说话视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。使用这些工具时，请遵守相关使用条款和隐私政策，注意生成内容的版权和伦理责任。 以下是一些包含数字人的节目单示例： 1. 节目“猜真人”：魔术互动类表演，2 个、8 个数字分身，猜测哪个是真正的我，用到 AI 数字人技术。 2. 节目“亲情的应用场景（逝者）”：女儿打扫房间扫到去世父亲的二维码再次对话，涉及 AI 分身的积累准备。 3. 节目“AI 转绘”：经典电影混剪，包括短片素材、AI 转绘、Lora 等技术。 4. 节目“AI 贺岁”：晚会中场致谢，用到共创团队记录、新年祝福等。 5. 节目“打工人共情”：涉及 AI 素材、共情脚本、炫技视频剪辑等。
2024-12-24
AI 数字人哪家的好
以下为您介绍一些较好的 AI 数字人相关的资源和产品： 1. 数字人躯壳构建： 可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署。笔者的开源数字人项目（项目地址：https://github.com/wanh/awesomedigitalhumanlive2d）选择了 live2d 作为数字人躯壳，因为这类 SDK 的驱动方式相比现在的 AI 生成式的方式更加可控和自然，相比虚幻引擎这些驱动方式又更加轻量和简单。另外超写实的数字人风格在目前的技术能力下，处理不好一致性问题，容易带来虚假的感觉或者产生恐怖谷效应，而卡通二次元的形象给人的接受度更高。关于 live2d 的 SDK 驱动方式可以参考官方示例：https://github.com/Live2D。 2. 数字人课程： 强烈推荐卡尔的 AI 沃茨做的这门数字人课程，一共 15 节视频课，持续更新还会不定时增加最新的数字人内容，附赠课外社群辅导，专门解决数字人相关的问题。关于卡尔，从创建 AIGC 开源学习网站 learnpromptl.pro，到建立卡尔的 AI 沃茨万人社群，他一直致力于 AI 学习圈。这一次，他建立了一套完整的数字人学习体系，放在这门《克隆你自己》的课程中，带领大家全方位掌握数字人各技能。同时，他详细回顾了 2023 年数字人领域的破圈事件，如 AI 马斯克对谈 AI 乔布斯超 331.9k 播放、霉霉说中文火遍全网、AI 郭德纲讲英文相声、硅语翻译｜海外明星送出中文新年祝福、通义千问｜兵马俑跳科目三、小冰推出支持交互的多模态数字人、阿根廷新总统用 HeyGen 做演讲等。数字人的出现，可以极大程度上优化工作流，尤其在制作个人 ip 短视频、配音、直播甚至到智能客服、虚拟偶像等各种领域都可以完成赋能。如果您想加入这场数字人浪潮，拥有自己的数字分身，优化自己的工作流，这门具备完整数字人学习体系的课程，正是您的需求。（扫码可以查看课程详细内容和介绍） 3. 算法驱动的数字人相关开源代码： ASR 语音识别：openai 的 whisper:https://github.com/openai/whisper ；wenet:https://github.com/wenete2e/wenet ；speech_recognition:https://github.com/Uberi/speech_recognition 。 AI Agent：大模型部分包括 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等等。Agent 部分可以使用 LangChain 的模块去做自定义，里面基本包含了 Agent 实现的几个组件 。 TTS：微软的 edgetts：https://github.com/rany2/edgetts，只能使用里面预设的人物声音，目前接口免费；VITS：https://github.com/jaywalnut310/vits，还有很多的分支版本，可以去搜索一下，vits 系列可以自己训练出想要的人声；sovitssvc:https://github.com/svcdevelopteam/sovitssvc，专注到唱歌上面，前段时间很火的 AI 孙燕姿。 当然这种简单的构建方式还存在很多的问题，例如：如何生成指定人物的声音？TTS 生成的音频如何精确驱动数字人口型以及做出相应的动作？数字人如何使用知识库，做出某个领域的专业性回答？
2024-12-23
有没有免费是数字人工具
以下是一些免费的数字人工具： 1. HEYGEN： 优点：人物灵活，五官自然，视频生成很快。 缺点：中文的人声选择较少。 使用方法： 点击网址注册后，进入数字人制作，选择Photo Avatar上传自己的照片。 上传后效果如图所示，My Avatar处显示上传的照片。 点开大图后，点击Create with AI Studio，进入数字人制作。 写上视频文案并选择配音音色，也可以自行上传音频。 最后点击Submit，就可以得到一段数字人视频。 2. DID： 优点：制作简单，人物灵活。 缺点：为了防止侵权，免费版下载后有水印。 使用方法： 点击上面的网址，点击右上角的Create vedio。 选择人物形象，可以点击ADD添加照片，或者使用DID给出的人物形象。 配音时，可以选择提供文字选择音色，或者直接上传一段音频。 最后，点击Generate vedio就可以生成一段视频。 打开自己生成的视频，可以下载或者直接分享给朋友。 3. KreadoAI： 优点：免费（对于普通娱乐玩家很重要），功能齐全。 缺点：音色很AI。 使用方法： 点击上面的网址，注册后获得120免费k币，选择“照片数字人口播”的功能。 点击开始创作，选择自定义照片。 配音时，可以选择提供文字选择音色，或者直接上传一段音频。 打开绿幕按钮，点击背景，可以添加背景图。 最后，点击生成视频。 此外，还有一些常用于营销领域且可制作数字人的工具，如Synthesia、HeyGen等。更多数字人工具请访问相关网站查看。在使用这些工具时，请确保遵守相关的使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。
2024-12-21
数字孪生
数字孪生是一个涉及多个领域的概念。在表演方面，曾测试过号称能做数字孪生的软件，结果发现存在一定局限性，如只是换脸的小变体且表现中庸。表演的本质是放大情感，通过强烈的情感表达来吸引观众。 在人际关系中，每个人都可能有一个由 AI 驱动的“数字双胞胎”，它接受了我们所有的写作和言语的训练，已经有人开始这样的探索。 在前期筹备方面，包括为患病老人构建能语音输出的数字人，如一位大哥为患病母亲自学 AI 构建数字人；还有 AI 相声，如为侯宝林、马三立、马季三位相声大师做数字化形象和声音建模；以及网站图片的生成和红包封面的探讨等相关工作。
2024-12-20