直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

用什么软件让照片说话

回答

以下是一些可以让照片说话的软件及相关信息：

  • Sadtalker：
    • 开源程序，可独立使用或作为插件放入 stablediffusion。
    • 相关链接：https://github.com/OpenTalker/SadTalker 。
    • 整合包：夸克网盘分享的「EZ-AI-Starter-v0.9.8.zip」，链接：https://pan.quark.cn/s/1d5ca9f57f5c 。
    • 视频教程：https://www.bilibili.com/video/BV1Dc411W7V6/?vd_source=35e62d366d8173e12669705f7aedd122 。
    • 具体步骤：点我启动，在启动界面中选择音频、图像口型同步的下载图标；下载完毕后启动应用，会弹出独立窗口；选择 sadtalker 同步器，分别导入图片和声音，根据需求选择图片预处理方式，点击 generate ，由于涉及视频推理和转换，需做好等待准备。
    • 生成视频长度与音频一致，制作长视频建议剪成小段分别推理后合并。
  • 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；上传后效果在 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。
  • D-ID：
    • 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 D-ID 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。
  • 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。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

实战教程：使用Sadtalker让照片说话

[title]实战教程：使用Sadtalker让照片说话利用目前主流的开源程序让照片说话唱歌，达到基本的唇形同步[未完成]Sadtalkerhttps://github.com/OpenTalker/SadTalker可以独立使用或者作为插件放入stablediffusion视频教程https://www.bilibili.com/video/BV1Dc411W7V6/?vd_source=35e62d366d8173e12669705f7aedd122但是对于编程、python、conda不熟的，强烈建议使用这个整合包：史上最炸裂版AI工具箱来啦，SD-AI绘画、VITS文本转语音，wav2lip、sadTalker唇型同步，视频修复，支持A卡！我用夸克网盘分享了「EZ-AI-Starter-v0.9.8.zip」，点击链接即可保存链接：https://pan.quark.cn/s/1d5ca9f57f5c视频地址：https://www.bilibili.com/video/BV1ga4y1u7Ep/?spm_id_from=333.337.search-card.all.click&vd_source=35e62d366d8173e12669705f7aedd122具体步骤如下：点我启动，在启动界面中，选择音频、图像口型同步的下载图标：下载完毕后如下：启动应用，等待会弹出一个独立的窗口（而不是你的默认浏览器）选择sadtalker同步器，分别导入图片和声音，图片预处理方式中，crop只截取图片的头部，full就是保留整张照片，下面的勾选项已经有文字解释，自己可以试几次点击generate由于涉及到视频的推理和转换，输出时间要远远大于ai绘图和sovits的声音推理，做好等待的准备。

实战教程：使用Sadtalker让照片说话

[title]实战教程：使用Sadtalker让照片说话下图中，我导入了一个13秒的音频，预计需要3-5分钟（3060 12g显卡）最终生成的视频长度与音频一致，如果想制作一个长视频，最好是剪成小段，分别推理，然后合并。完成后，可以打开输出目录或者下载视频文件。看看效果[tmp606i48sh##小星星-0-100.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/PYD7b8f8AoIOlTxWXOvcVhN4nQg?allow_redirect=1)[tmpjl_co18w##赐我测试用-0-100.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/X9X0bBRUfoyU8vxORjjcsBxUnnb?allow_redirect=1)带面部修复的效果：[tmphuol9j0x##1_aj3_Vocals_5-0-100_enhanced.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/RAozb1MpOog8r4xKYR7cxPFxndb?allow_redirect=1)

AI 数字人｜一键让照片说话

优点：人物灵活，五官自然，视频生成很快。五星好评。缺点：中文的人声选择较少[heading3]使用方法[content]1.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1.上传后效果如图所示，My Avatar处显示上传的照片1.点开大图后，点击Create with AI Studio，进入数字人制作1.写上视频文案并选择配音音色，也可以自行上传音频1.最后点击Submit，就可以得到一段数字人视频啦～[heading2]D-ID[content]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[heading3]使用方法[content]1.点击上面的网址，点击右上角的Create vedio1.选择人物形象，你可以点击ADD添加你的照片，或者使用D-ID给出的人物形象1.配音时，你可以选择提供文字选择音色，或者直接上传一段音频1.最后，点击Generate vedio就可以生成一段视频啦1.打开自己生成的视频，可以下载或者直接分享给朋友~[heading2]KreadoAI[content]优点：免费（对于普通娱乐玩家，嗯这很重要），功能齐全缺点：音色很ai[heading3]使用方法[content]1.点击上面的网址，注册后获得120免费k币，这里选择“照片数字人口播”的功能1.点击开始创作，选择自定义照片1.配音时，你可以选择提供文字选择音色，或者直接上传一段音频1.打开绿幕按钮，点击背景，可以添加背景图1.最后，点击生成视频

其他人在问
国外可以自动生成ppt的ai网站或ai软件
以下是一些国外可以自动生成 PPT 的 AI 网站或软件： Gamma：在各种交流群中被频繁推荐，以卓越的性能和用户体验赢得广泛认可。即使是免费版本，也能生成质量很高的 PPT。从个人使用体验来看，其在内容组织、设计美观度和整体专业感方面都表现出色。网址：https://gamma.app/ 此外，还有一些其他好用的 AI PPT 工具： 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出，允许用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素。网址：https://www.xdesign.com/ppt/ Mindshow：一款 AI 驱动的 PPT 辅助工具，提供一系列智能设计功能，如自动布局、图像选择和文本优化等，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/
2024-10-21
哪个软件做出来的数字人最好
以下是一些制作数字人效果较好的软件及相关介绍： 剪映： 优势：作为字节跳动旗下产品，在抖音平台广泛应用，海外版 CapCut 成绩斐然。具有声音克隆、公模数字人等 AI 功能，能在编辑器内完成脚本生成、语音克隆、数字人口播等环节。 制作流程：打开剪映，添加文本到文字轨道并修改文字，点击朗读进行声音克隆，选择数字人形象并换上克隆音色，一键智能生成字幕并调整文字样式。 生成数字人：在右侧窗口顶部打开“数字人”选项，选取免费合适的形象，软件会播放声音供判断，添加后可预览效果。还可增加背景图片等进行美化。 下载地址： Heygen： 优点：人物灵活，五官自然，视频生成很快。 缺点：中文人声选择较少。 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，上传后效果在 My Avatar 处显示，点开大图后，点击 Create with AI Studio 进入制作，写上视频文案并选择配音音色，也可自行上传音频，最后点击 Submit 得到数字人视频。 DID： 优点：制作简单，人物灵活。 缺点：免费版下载后有水印。 使用方法：点击网址，点击右上角的 Create vedio，选择人物形象，可添加自己照片或使用给出的形象，配音时可选择提供文字选择音色或直接上传音频，最后点击 Generate vedio 生成视频，打开可下载或分享。 KreadoAI： 优点：免费，功能齐全。 缺点：音色较 AI。 使用方法：点击网址注册后获得 120 免费 k 币，选择“照片数字人口播”功能，点击开始创作，选择自定义照片，配音时可选择提供文字选择音色或直接上传音频，打开绿幕按钮，点击背景添加背景图，最后点击生成视频。
2024-10-20
哪些软件可以做数字人
以下是一些可以制作数字人的软件： 1. 剪映：在剪映右侧窗口顶部打开“数字人”选项，可选取免费且适合的数字人形象，如“婉婉青春”。添加数字人后，软件会生成对应音视频并添加到当前视频中，还可进行增加背景图片等操作。 2. HeyGen：这是一个 AI 驱动的平台，能创建逼真的数字人脸和角色，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、电影和虚拟现实等应用。 3. Synthesia：这是一个 AI 视频制作平台，允许创建虚拟角色并进行语音和口型同步，支持多种语言，可用于教育视频、营销内容和虚拟助手等场景。 4. DID：这是一家提供 AI 拟真人视频产品服务和开发的公司，只需上传人像照片和输入要说的内容，平台提供的 AI 语音机器人将自动转换成语音，然后合成逼真的会开口说话的视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。请注意，这些工具的具体功能和可用性可能会变化。在使用时，请遵守相关使用条款和隐私政策，并注意生成内容的版权和伦理责任。 此外，还可以通过以下方式实现数字人的“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。可以使用 AI 换脸软件来完成，具体步骤如下： 1. 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”，无需安装和付费。点击红框对应的 URL 打开操作界面。 2. 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。 3. 第三步：等待专属的数字人视频出炉。 有关数字人使用上的问题，欢迎在底部评论区留言交流。同时如果对数字人课程感兴趣，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
2024-10-20
AI和软件测试行业的实践想法
目前知识库中暂时没有关于 AI 和软件测试行业实践想法的相关内容。但一般来说，在软件测试行业中应用 AI 可以考虑以下几个方面： 1. 利用机器学习算法进行测试用例的自动生成和优化，提高测试覆盖度和效率。 2. 运用自然语言处理技术对测试需求和文档进行分析，提取关键信息，辅助测试计划的制定。 3. 通过 AI 模型对软件的历史缺陷数据进行学习，预测可能出现的新缺陷类型和位置。 4. 借助图像识别和语音识别等技术，实现对软件界面和交互的自动化测试。 您可以根据实际情况和具体需求，进一步探索和创新 AI 在软件测试行业中的应用。
2024-10-18
国内适合短视频脚本写作的ai软件
以下是一些适合国内短视频脚本写作的 AI 软件： 1. ChatGPT + 剪映：ChatGPT 可生成视频小说脚本，剪映能根据脚本自动分析出视频所需的场景、角色、镜头等要素，并生成对应素材和文本框架，能快速实现从文字到画面的转化，节省时间和精力。 2. PixVerse AI：在线 AI 视频生成工具，支持将多模态输入（如图像、文本、音频）转化为视频。 3. Pictory：AI 视频生成器，允许用户轻松创建和编辑高质量视频，无需视频编辑或设计经验。用户提供文本描述，Pictory 帮助生成相应视频内容。 4. VEED.IO：提供 AI 图像生成器和 AI 脚本生成器，帮助用户从图像制作视频，并规划从开场到结尾的内容。 5. Runway：AI 视频创作工具，能将文本转化为风格化的视频内容，适用于多种应用场景。 6. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务，用户可根据文本脚本生成视频。 这些工具各有特点，适用于不同的应用场景和需求，能够帮助内容创作者、教育工作者、企业和个人快速生成吸引人的视频内容。 此外，在制作 AI 短片时，声音部分可以使用 11labs 进行英文对白制作，国内可以使用出门问问的魔音工坊。对于剪辑，13 分钟的短片用剪映较方便，更长篇幅或追求更好效果可能需要使用 PR/FCP/达芬奇等传统剪辑软件。
2024-10-18
国内有专门做短视频脚本的ai软件
以下是一些国内专门做短视频脚本的 AI 软件： 1. ChatGPT + 剪映：ChatGPT 可生成视频小说脚本，剪映能根据脚本自动分析出视频所需的场景、角色、镜头等要素，并生成对应素材和文本框架，可快速实现从文字到画面的转化，节省时间和精力。 2. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务，用户可根据文本脚本生成视频。 3. 出门问问的魔音工坊：在国内可用，具有情绪调节控件。 此外，制作 AI 短片还涉及到声音制作、故事创作、剪辑等方面： 1. 声音制作：可使用 11labs 进行英文对白制作，通过标点符号改变语音效果；国内可尝试魔音工坊。 2. 故事创作：故事来源包括原创（如自身经历、梦境、想象等）和改编（如经典 IP、名著、新闻、二创等）。剧本写作可从自身或朋友经历改编入手，或对短篇故事进行改编，多与他人讨论以修改和进步。 3. 剪辑：对于 13 分钟的短片，剪映较为方便；更长篇幅可能需要使用 PR/FCP/达芬奇等传统剪辑软件。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2024-10-18
根据单据照片生成统计表，多张照片
很抱歉，目前没有关于根据多张单据照片生成统计表的具体内容和方法。但您可以考虑使用以下几种可能的途径来实现这一目标： 1. 利用专门的图像识别软件或服务，这些工具通常能够对照片中的文字和数据进行识别和提取。 2. 借助一些具有 OCR（光学字符识别）功能的办公软件，将照片中的信息转换为可编辑的文本，然后再整理成统计表。 3. 如果照片中的数据格式较为规范，也可以通过编程的方式，使用相关的图像处理和数据提取库来实现自动化处理。 您可以根据实际情况选择适合您的方法。
2024-10-22
如何合成照片
以下是关于合成照片的相关内容： 使用 Midjourney（MJ）生成人物图片： 1. 确定人物形象：如“a little girl wearing a yellow floral skirt + 人物动作 + 风格词”，在 MJ 中生成直到得到满意的人物图像。 垫图 URL + “In the forest,a little girl wearing a yellow floral skirt is playing happily,super high details,HDsmooth,by Jon Burgerman,s 400 ar 3:4 niji 5 style expressive iw 2” “iw”取值范围在，不填写默认“iw = 1”，“iw”值越大越接近垫的图像，反之更接近提示词。为确保人物一致性，取“iw 2”。 合成人物和场景： 1. 使用 PS 或者 Canva 将人物和场景合成到一张图，若色调不和谐： 将合成后的图作为垫图（“iw 2”），MJ 重新生图，提示词如：“垫图 url + Little girl wearing a yellow floral skirt,and her friend brown bear,taking shelter in the cave,rainstorm,super high details,HDsmooth,by Jon Burgerman,s 400 ar 3:4 niji 5 style expressive iw 2” 使用 Camera Motion 合成照片： 1. 上传图片：点击“AddImage”上传图片。 2. 输入提示词：在“Prompt”中输入提示词。 3. 设置运镜方向：选择想要的运镜方向，输入。 4. 设置运动幅度：运动幅度和画面主体运动幅度有关，与运镜大小无关，可设置成任意值。 5. 其它：选择好种子（seed），是否高清（HD Quality），是否去除水印（Remove Watermark）。 6. 生成视频：点击“create”，生成视频。 照片数字人工作流及语音合成（TTS）API 出门问问 Mobvoi： 1. 照片数字人工作流 使用文档： 出门问问：语音合成（TTS）API 获取地址 参数及说明： 字段名：text，必填，类型为 String，要合成的文本内容，限制为 1000 字符。支持 ssml 标记语言，使用说明见附录 3。 字段名：appkey，必填，类型为 String，开发者在 AI 开放平台上申请的 appkey。 字段名：signature，必填，类型为 String，签名，通过“appkey + secret + timestamp”进行 md5 加密，得到的 32 位 MD5 值。每次请求实时计算签名，签名有效期为 10 分钟。 字段名：timestamp，必填，类型为 Long，当前时间戳，单位为秒。 字段名：speaker，否，类型为 String，合成音频指定发音人，默认值：cissy_meet，其他发音人传值及计费价格请参考声音商店。 字段名：audio_type，否，类型为 String，合成音频的格式，默认值：mp3，可选值：pcm/mp3/speexwb10/wav，只支持这四种格式中的一种。 字段名：speed，否，类型为 Float，发音人合成的语速，支持小数点后两位，默认值：1.0，可选值：0.5 2.0。 字段名：convert，否，类型为 String，默认值：无，可选值：robot，是否转化为机器声。 Request Header 设置
2024-10-16
手写字照片转文本的工具
目前暂时没有关于手写字照片转文本工具的相关内容。但您可以通过以下几种常见的方式来实现这一功能： 1. 利用手机端的扫描应用，如扫描全能王等，它们通常具备将手写文字照片转换为文本的功能。 2. 部分办公软件也有类似功能，例如 WPS 中的扫描功能。 3. 在线工具如百度 OCR 等，也能对图片中的手写文字进行识别和转换。
2024-10-15
有没有一个ai，我提供照片之后他可以按照我的要求进行设计
以下为您介绍一些关于通过 AI 按照您的要求对提供的照片进行设计的相关知识： 关键词和主题描述： 图片内容通常分为二维插画和三维立体两种表现形式。 主题描述可以包括场景、故事、元素、物体或人物的细节搭配。比如描述一个动物园，要列举其中的动物、设施等；描述人物要独立描述其特征。 但大场景中多个角色的细节不太容易通过关键词生成。 设计风格： 设计师可能难以直接表达设计风格，可通过找风格类关键词参考或垫图/喂图，让 AI 结合主题描述生成相应风格的图片。 对于某些材质的描述，如玻璃、透明塑料等，关键词的运用有很多门道，需要针对特定风格进行“咒语测试”。 Midjourney 工具： Midjourney 是容易上手的 AI 绘图工具，适合新手。 对于 UI 设计，可使用指令模板「ui design forapplication,mobile app,iPhone,iOS,Apple Design Award,screenshot,single screen,high resolution,dribbble」，将“类型”替换为产品关键词描述（英文）生成 UI 设计图。 如出行类可使用「距离、车费、费用结算、优惠金额、地图」等关键词。 餐饮类可使用「介绍咖啡的特色、口味、咖啡豆产地、价格」等关键词。 运动类可使用「卡路里、步数、距离、某种运动」等描述。 若想指定生成某个页面（如首页、登录页等），可再加页面指令描述，如「landing page、Profile Page」。 社交平台可用「landing page」生成登录页设计。 信息类可用「Profile Page」生成个人资料页。 目前，Midjourney 产出的设计图更适合在 APP 设计的初始阶段，如头脑风暴和风格探索中提供灵感和创意，直接落地开发仍有距离，但随着技术迭代，这种距离有望缩短。
2024-10-13
如何在midjourney中只进行照片背景修改，而不修改人物姿态和表情
在 Midjourney 中只修改照片背景而不修改人物姿态和表情，您可以参考以下方法： 1. 得益于cref，midjourney 能够迅速达成角色一致性的目的而无需 Lora。其中，cref 代表 character reference（角色参考）；cw 则代表 character weight（参考权重），默认为 100，会参考角色的人脸和服装特点。如果您只想关注人脸，请调低到 0。您不需要对角色原图使用/describe 来贴近目标生成角色的形象，因为cref 会帮您完成这件事情。 2. 风格复制和服装的替换，则应当用提示词（prompt）和sref，默认值 100，越高越接近参考图像的风格。 3. 如果遇到“形似而神不似”的问题，即 MJ 直出和原人物在眼睛、眉毛、鼻子等其他地方的大小、间距有一些细微的差距，您可以按照以下步骤操作： 使用/settings 确保您处于模式并且 Remix 设置为打开。 选择带有您想要更改的面部的图像。使用将其从网格中分离出来，然后选择。 由于您已经开启了 Remix，您将能够编辑提示。 从提示中删除cref 和cw。一旦删除了它们，修改提示以对面部进行更改。例如，您可以慷慨地选择面部的下半部分，并添加“清洁剃须”来除去胡须。您可以尝试使用小的负权重，例如 tattoos::0.5 来移除纹身。 注意：当您对更改满意时，请确保不要再次添加cref 到提示中！一旦添加回来，“面部交换”将再次发生，那些不需要的属性将重新出现。 4. 有时，Midjourney 在正确将角色放置在背景中时会遇到一些困难。如果结果不连贯（例如，您看到头部朝后或图像被奇怪地裁剪），请尝试将 stylize增加到 800 1000。您也可以尝试将cw 同时降低到低于 100 的值，视情况而定。
2024-10-10
有没有照片生成卡通形象的AI工具
以下为您介绍一些可以将照片生成卡通形象的 AI 工具： Midjourney： 之前有制作过相关的视频教程，教大家从零开始使用并通过简单的提示词生成图片。 利用其以图绘图功能生成迪斯尼卡通风格的头像。具体操作是先选一张满意的照片，在 Discord 社区的 Midjourney 服务器聊天栏点击“+”，上传文件选取图片并发送（记得点击回车或发送按钮）。然后获取图片链接，加上 prompt 提示词发送给 Midjourney 即可。 出门问问： 这是一家以生成式 AI 和语音交互为核心的人工智能公司，提供面向创作者的 AIGC 工具等。 仅需上传一张照片，输入一段文字或者上传一段音频，就可以生成短视频让“照片开口说话”。不同风格的照片如真人、卡通、有胡须遮挡、有眼镜装饰等都可以驱动尝试。 如果您想用真人照片来生成卡通头像，就用“真人照片”+“照片描述”+“方法 1 的关键词”来处理。在使用过程中如果生成了满意的图，记得存起来，下次同种类型可直接拿来喂图，效果更好。
2024-10-10
数字人说话
数字人说话的相关内容如下： 创作数字人脸的方式有三种： 使用一系列逼真的照片或插图人脸，这些人脸经过优化，在添加语音和动作时能实现最佳效果。 上传自己的照片，如自己、朋友或家人的面部照片。 利用 DID 自带的 Stable Diffusion 的能力生成想象中的人脸，通过描述想要的脸的样子来生成，如“一个外星女神”“一个微笑的十九世纪维多利亚绅士”等。 让数字人说话的方式也有三种： 利用 GPT 直接生成脚本让数字人说话，如利用 GPT3 文本生成技术撰写脚本。 先选好脸，再输入脚本，DID 里有数百种语言和口音，可选择想要使用的声音，并调整角色说话的风格。 上传自己的音频记录，或者从电影或电视剧中剪辑出最喜欢的台词，或是吟唱自编的歌曲。 一些相关工具及特点和使用方法： HEYGEN：优点是人物灵活，五官自然，视频生成很快；缺点是中文的人声选择较少。使用方法为点击网址注册后，进入数字人制作，选择 Photo Avatar 上传自己的照片，上传后效果在 My Avatar 处显示，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，也可自行上传音频，最后点击 Submit 得到数字人视频。 DID：优点是制作简单，人物灵活；缺点是免费版下载后有水印。使用方法为点击网址，点击右上角的 Create vedio，选择人物形象，可点击 ADD 添加照片或使用给出的人物形象，配音时可选择提供文字选择音色或直接上传音频，最后点击 Generate vedio 生成视频，打开自己生成的视频，可下载或直接分享给朋友。 KreadoAI：优点是免费，功能齐全；缺点是音色很 AI。使用方法为点击网址注册后获得 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，配音时可选择提供文字选择音色或直接上传音频，打开绿幕按钮，点击背景可添加背景图，最后点击生成视频。 此外，出门问问是一家以生成式 AI 和语音交互为核心的人工智能公司，为全球多个国家提供面向创作者的 AIGC 工具、AI 政企服务以及 AI 智能硬件。其搭建的数字人 workflow 仅需上传一张照片，输入一段文字或上传一段音频，就可以生成短视频让“照片开口说话”。还有利用历史名人的肖像画生成对话并剪辑成有趣短视频的例子，如李白吟诗的视频在 B 站点赞超 1000 万。
2024-10-18
我想让ai模拟抖音网红说话，有最佳实践可以参考吗？
目前暂时没有关于让 AI 模拟抖音网红说话的最佳实践内容。但一般来说，您可以先分析一些抖音网红的语言特点，比如常用的词汇、语气、口头禅、表达方式等，然后为 AI 提供这些特征的描述和示例，让其学习和模仿。同时，您还可以通过不断调整输入的提示词和训练数据，来优化 AI 的模拟效果。
2024-09-29
让图片开口说话
以下是一些让图片开口说话的方法和相关信息： 可以使用一键数字人的好用小工具来实现让照片开口讲话。 实战教程方面，可使用 SadTalker 让照片说话。在图片预处理方式中，crop 只截取图片头部，full 保留整张照片，下面的勾选项有文字解释，可自行尝试。点击 generate 后，由于涉及到视频的推理和转换，输出时间远大于 AI 绘图和 sovits 的声音推理，需做好等待准备。例如导入 13 秒的音频，预计需要 3 5 分钟（3060 12g 显卡）。最终生成的视频长度与音频一致，若想制作长视频，最好剪成小段分别推理再合并。完成后可打开输出目录或下载视频文件查看效果。带面部修复会有不同效果。 SadTalker 是利用目前主流的开源程序让照片说话唱歌，达到基本的唇形同步。其相关链接如下： GitHub 地址：https://github.com/OpenTalker/SadTalker 视频教程：https://www.bilibili.com/video/BV1Dc411W7V6/?vd_source=35e62d366d8173e12669705f7aedd122 对于编程、python、conda 不熟悉的，可使用整合包：用夸克网盘分享的「EZAIStarterv0.9.8.zip」，链接：https://pan.quark.cn/s/1d5ca9f57f5c ；视频地址：https://www.bilibili.com/video/BV1ga4y1u7Ep/?spm_id_from=333.337.searchcard.all.click&vd_source=35e62d366d8173e12669705f7aedd122 。具体步骤为：点我启动，在启动界面中选择音频、图像口型同步的下载图标，下载完毕后启动应用，会弹出独立窗口（非默认浏览器），选择 SadTalker 同步器，分别导入图片和声音。
2024-09-26
让照片说话 软件有哪些
以下是一些能让照片说话的软件及相关信息： SadTalker： 开源程序，可让照片说话唱歌，达到基本唇形同步。 独立使用或作为插件放入 StableDiffusion。 整合包：史上最炸裂版 AI 工具箱，包含 SDAI 绘画、VITS 文本转语音、wav2lip、sadTalker 唇型同步、视频修复，支持 A 卡。 相关链接： GitHub 地址：https://github.com/OpenTalker/SadTalker 视频教程：https://www.bilibili.com/video/BV1Dc411W7V6/?vd_source=35e62d366d8173e12669705f7aedd122 夸克网盘整合包：https://pan.quark.cn/s/1d5ca9f57f5c 视频地址：https://www.bilibili.com/video/BV1ga4y1u7Ep/?spm_id_from=333.337.searchcard.all.click&vd_source=35e62d366d8173e12669705f7aedd122 具体步骤：点我启动，在启动界面中选择音频、图像口型同步的下载图标；下载完毕后启动应用，等待弹出独立窗口；选择 sadtalker 同步器，分别导入图片和声音。 图片预处理方式：crop 只截取图片头部，full 保留整张照片。 由于涉及视频推理和转换，输出时间较长，需做好等待准备。最终生成的视频长度与音频一致，制作长视频建议剪成小段分别推理后合并。完成后可打开输出目录或下载视频文件。 KreadoAI： 点击网址注册后获得 120 免费 k 币，选择“照片数字人口播”功能。 使用方法：点击开始创作，选择自定义照片；配音时可选择提供文字选择音色或直接上传音频；打开绿幕按钮，点击背景可添加背景图；最后点击生成视频。
2024-09-14
什么软件可以直接生成卡通形象并且能说话
以下是一些可以生成卡通形象并且能说话的软件： 1. Creatie AI：AI 驱动的设计神器，能在几分钟内设计网站或程序，融合多种功能，自动分析设计文件，创建统一样式库，快速转化为高保真可交互原型并生成代码。网址：http://creatie.ai 。 2. 腾讯 AniPortrait：根据音频和静态人脸图片生成逼真的动态视频，支持多种语言、面部重绘、头部姿势控制，比阿里 EMO 项目先开源。网址：https://github.com/ZejunYang/AniPortrait 、https://arxiv.org/abs/2403.17694 、https://x.com/imxiaohu/status/1772965256220045659?s=20 。 3. NoLang：支持将文字、网页链接、PDF 等直接转换为视频，自动总结 PDF 内容并生成解答视频，还可追问，但目前服务器承受压力大，支持日语和英语。网址：http://nolang.com 。 此外，制作数字人的工具还有： 1. HeyGen：AI 驱动的平台，可创建逼真的数字人脸和角色，适用于游戏、电影和虚拟现实等应用。 2. Synthesia：AI 视频制作平台，允许用户创建虚拟角色并进行语音和口型同步，支持多种语言，可用于教育视频、营销内容和虚拟助手等场景。 3. DID：只需上传人像照片和输入要说的内容，平台提供的 AI 语音机器人将自动转换成语音，然后就能合成一段非常逼真的会开口说话的视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。 请注意，这些工具的具体功能和可用性可能会随着时间和技术的发展而变化。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。
2024-09-03
如何让照片跟着语音说话
以下是让照片跟着语音说话的两种方法： 方法一：使用 SadTalker 1. 开源程序 SadTalker 可实现让照片说话唱歌并达到基本唇形同步。 GitHub 地址：https://github.com/OpenTalker/SadTalker 可独立使用或作为插件放入 stablediffusion 视频教程：https://www.bilibili.com/video/BV1Dc411W7V6/?vd_source=35e62d366d8173e12669705f7aedd122 2. 对于编程、python、conda 不熟悉的，建议使用整合包： 史上最炸裂版 AI 工具箱来啦，SDAI 绘画、VITS 文本转语音，wav2lip、sadTalker 唇型同步，视频修复，支持 A 卡！ 夸克网盘分享链接：https://pan.quark.cn/s/1d5ca9f57f5c 视频地址：https://www.bilibili.com/video/BV1ga4y1u7Ep/?spm_id_from=333.337.searchcard.all.click&vd_source=35e62d366d8173e12669705f7aedd122 3. 具体步骤： 点我启动，在启动界面中，选择音频、图像口型同步的下载图标。 下载完毕后启动应用，会弹出独立窗口。 选择 sadtalker 同步器，分别导入图片和声音。 图片预处理方式中，crop 只截取图片的头部，full 就是保留整张照片，下面的勾选项已有文字解释，可自行尝试几次。 点击 generate。由于涉及到视频的推理和转换，输出时间要远远大于 ai 绘图和 sovits 的声音推理，需做好等待准备。例如导入 13 秒的音频，预计需要 3 5 分钟（3060 12g 显卡）。 最终生成的视频长度与音频一致，如果想制作长视频，最好剪成小段，分别推理，然后合并。完成后，可打开输出目录或下载视频文件查看效果。 方法二：使用 DID 1. 点击网址，点击右上角的 Create vedio。 2. 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。 3. 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。 4. 最后，点击 Generate vedio 就可以生成一段视频。 5. 打开自己生成的视频，可以下载或者直接分享给朋友。
2024-08-27