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

AI 数字人哪家的好

Answer

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/wan-h/awesome-digital-human-live2d)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/wenet-e2e/wenet ;speech_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_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(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。

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?

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

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的是一个GUI。笔者的开源数字人项目(项目地址:https://github.com/wan-h/awesome-digital-human-live2d)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。

实战课程:数字人课程

强烈推荐一下卡尔的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⬇️AI马斯克对谈AI乔布斯超331.9k播放霉霉说中文火遍全网,HeyGen再破圈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🤖️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。所以如果你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,正是你的需求💡[heading2]报名方式[content]🎉24年是数字人元年,人人都将拥有自己的数字人!(扫码可以查看课程详细内容和介绍)[heading2]行业评价[content]业内KOL数字人发言💬[heading2]课程大纲[heading2]教学形式

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。除了算法,人物建模模型可以通过手动建模(音频驱动)或者AIGC的方式生成人物的动态效果(例如wav2lip模型)实现,这样就完成了一个最简单的数字人。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?

Others are asking
可以帮忙做excel表格的ai工具
以下是一些可以帮忙做 Excel 表格的 AI 工具: 1. Excel Labs:这是一个 Excel 插件,基于 OpenAI 技术,新增了生成式 AI 功能,允许用户在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot:微软推出的 AI 工具,整合了 Word、Excel、PowerPoint、Outlook、Teams 等办公软件,用户通过聊天形式告知需求,Copilot 会自动完成如数据分析或格式创建等任务。 3. Formula Bot:提供数据分析聊天机器人和公式生成器两大功能,用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI:支持 Excel 和 Google Sheets 的 AI 插件,除公式生成外,还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术的不断发展,未来可能会有更多 AI 功能被集成到 Excel 中,进一步提高工作效率和数据处理的智能化水平。
2024-12-23
国内好用的ai
以下是为您推荐的一些国内好用的 AI 产品: 1. 图像类产品: 可灵:由快手团队开发,可生成高质量的图像和视频,图像质量高,但价格相对较高,重度用户年费可达几千元,轻度用户有每日免费点数和较便宜的包月选项。 通义万相:在中文理解和处理方面表现出色,可选择多种艺术和图像风格,操作界面简洁直观,用户友好度高,且目前免费,每天签到获取灵感值即可,但存在一些局限性,如某些类型的图像因国内监管要求无法生成,处理非中文语言或国际化内容可能不够出色。 2. 聊天对话类产品: Kimi:具有超长上下文能力,最初支持 20 万字,现提升到 200 万字,对处理长文本或大量信息任务有优势,但文字生成和语义理解、文字生成质量方面可能不如其他产品,且不支持用户自定义智能体。 智谱清言:背后技术源自清华大学研发团队的科研成果转化,模型质量出色,以 ChatGPT 为对标打造用户体验,是国内首批开放智能体应用的公司之一,在逻辑推理和处理复杂提示词方面表现出色。 3. 其他类产品: 美趣 AI:原生图片生成,所属公司为兴利和。 说得相机提词器:功能写作软件。 AI 智能写作:原生写作软件,所属公司为汉酷网络。 创客贴 AI:功能平面设计,所属公司为艺源酷科技。 360AI 搜索:功能智慧搜索,所属公司为 360。 图趣 AI:原生图片生成。 Molica AI:原生图片生成。 文案宝:原生个人助理。
2024-12-23
电商用的AI工具
以下是一些电商常用的 AI 工具: 1. 电商 AI 工具库基础版(作者:清酒): 收集了十几款电商领域能用得上的 AI 工具,结合场景特别直观。 按照电商的角色进行了区分,无论您是买家、卖家、渠道还是生产者,都能找到合适的 AI 工具。 不仅有产品形态,还有非常具体的使用描述。您可以通过链接 https://i1lfku7w5p.feishu.cn/sheets/PJZTsTnDQhZnAatp2dccKYjQnnh 查看。 2. 生成式 AI 工具: 像这样的工具帮助品牌创建引人注目的产品照片,这对于向在线购物者销售产品非常重要。 可以制作用于电子邮件或社交媒体的营销材料。 可以编写经过 SEO 优化的产品描述。 3. 营销领域的 AI 工具: Synthesia:允许用户创建由 AI 生成的高质量视频,包括数字人视频。提供多种定价计划,从免费到商业级不等,可用于制作营销视频、产品演示等。 HeyGen:基于云的 AI 视频制作平台,用户可从 100 多个 AI 头像库中选择,并通过输入文本生成数字人视频。适合制作营销视频和虚拟主持人等。 Jasper AI:人工智能写作助手,可用于生成营销文案、博客内容、电子邮件等。提供多种语气和风格选择,写作质量较高。 Copy.ai:AI 营销文案生成工具,可快速生成广告文案、社交媒体帖子、电子邮件等营销内容。有免费和付费两种计划。 Writesonic:AI 写作助手,专注于营销内容创作,如博客文章、产品描述、视频脚本等。提供多种语气和行业定制选项。 更多的营销产品可以查看 WaytoAGI 网站:https://www.waytoagi.com/sites?tag=8 。总的来说,这些 AI 工具能够帮助电商从业者高效创作各种营销内容,提高工作效率。用户可根据实际需求选择合适的工具。需要注意的是,以上内容由 AI 大模型生成,请仔细甄别。
2024-12-23
我现在是一家公司的实习生,目前参与的项目是AI法律大模型未来法官助手,这个系统的功能是提取案件中的信息,自动填写到预设好的要件中,比如犯罪嫌疑人的姓名、身份证号、出生日期、事发经过等等,我该如何去学习提示词
以下是关于如何学习提示词运用的建议: 1. 理解提示词的作用:提示词为模型提供上下文和指示,其质量直接影响模型输出质量。 2. 学习提示词的构建技巧: 明确任务目标,用简洁准确的语言描述。 给予足够的背景信息和示例,帮助模型理解语境。 使用清晰的指令,如“解释”“总结”“创作”等。 对特殊要求应给予明确指示,如输出格式、字数限制等。 3. 参考优秀案例:研究和学习已有的优秀提示词案例,在领域社区、Github 等资源中获取大量案例。 4. 实践、迭代、优化:多与语言模型互动,根据输出结果提高提示词质量,尝试各种变体,比较分析输出差异,持续优化提示词构建。 5. 活用提示工程工具:如 Anthropic 的 Constitutional AI 等,辅助构建和优化提示词。 6. 跟上前沿研究:提示工程是前沿研究领域,持续关注最新研究成果和方法论。 精心设计的提示词能最大限度发挥语言模型的潜力,多实践、多学习、多总结,终可掌握窍门。同时,在与大模型交互时,方法论不是关键,不断尝试和交互是最佳方法,无需严格遵循规则,未达成目的就锲而不舍地再尝试或更换模型。另外,用 Markdown 格式清晰表达问题有助于提高与模型交流的效率和精确性,其具有结构清晰、格式化强调、适用性广等优点。
2024-12-23
有必要报学习AI的课程吗
学习 AI 是否有必要报课程取决于您的具体情况和需求。 如果您想深入学习 AI 中的美学概念和操作,可以考虑报野菩萨课程。对于入门学习,有多种途径可供选择。比如,可以先从国内模型工具入手,因为其不花钱。学习过程可以从提示词开始,国内的大语言模型工具好用,并且在与各类模型对话中提示词具有重要性,结构化提示词还有优势。您还可以参考温达、李弘毅老师的课程等。 另外,若想进阶学习,可能需要考虑高阶方向。在学习过程中,对于账户投资,初期可先从国内模型工具入手。同时,若想深入学习某些内容,可查看官方 cookbook,创作者将内容做成可视化形式也会发到群里。入门经典必读和面向开发者的文章也值得阅读,欢迎上传相关 PPT 用作参考。 总之,是否报课程要综合考虑您的学习目标、预算和现有基础等因素。
2024-12-23
目前最有优势的几款ai软件是什么
以下是目前一些具有优势的 AI 软件: 在移动设备上,图片和视频内容编辑方面,传统创意工具转型的生成式 AI 优先,如排名较高的美图秀秀(第 9 位)、SNOW(第 30 位)和 Adobe Express(第 35 位)。 ChatGPT 第三次以巨大优势成为网络和移动端排名第一的产品。 Perplexity 在网络上排名第三,是一款专注于提供简明、实时和准确查询答案并引用来源的人工智能搜索引擎,其在访问时长方面略胜于 ChatGPT,且首次进入移动端前 50 名榜单。 Anthropic 的 Claude 是 ChatGPT 的直接竞争对手,在网页排名中进入前五,排名第 4。
2024-12-23
如果想创建一个指导高中孩子学习的老师的智能体,我有几个问题:1. 是弄一个全科的智能体还是每门科单独弄一个智能体? 2. 国产哪家的AI产品弄这种智能体比较适合?也就是说回答100%能够正确,不会瞎说; 3.你有什么建议?
对于创建指导高中孩子学习的老师的智能体,以下是一些建议: 1. 关于是创建全科智能体还是每门科单独创建智能体,这取决于您的具体需求和使用场景。如果您希望能够全面、综合地指导学生的学习,全科智能体可能更合适;但如果您想要针对每门学科进行更深入、专业的指导,那么每门科单独创建智能体可能效果更好。 2. 目前国产的 AI 产品中,很难说哪一家 100%能够保证回答正确且不会瞎说。不同的产品在不同的领域和场景中可能表现各异。您可以考虑一些在教育领域有一定口碑和应用案例的产品,并进行充分的测试和评估。 3. 以下是一些创建智能体的建议: 明确智能体的职责和功能,例如是主要进行课程规划、生成测验还是提供学习指导等。 为智能体提供详细准确的提示词,清晰地描述其任务和目标。 像导演一样,将复杂的任务拆分成科学合理的步骤,并确保每个步骤的结果能为后续步骤提供基础。 对于生成的内容,要进行检查和优化,不断调整和改进智能体的表现。 此外,您还可以参考一些相关的提示词库,例如沃顿商学院给教师和学生的提示词库,其中包含了结构化题型设计师和测验生成器等方面的内容。同时,很多 AI 网站都支持创建智能体,您可以为其配置提示词、知识库和能力等。
2024-11-21
如果想创建一个指导高中孩子学习的老师的智能体,我有几个问题:1. 是弄一个全科的智能体还是每门科单独弄一个智能体? 2. 哪家的AI产品弄这种智能体比较适合?也就是说回答100%能够正确,不会瞎说; 3.你有什么建议?
对于创建指导高中孩子学习的老师的智能体,以下是一些建议: 1. 关于是创建全科智能体还是每门科单独创建智能体,这取决于您的具体需求和使用场景。如果您希望能够全面、综合地指导学生的学习,全科智能体可能更合适;但如果您想要针对每门学科进行更深入、专业的指导,那么每门科单独创建智能体可能效果更好。 2. 目前在创建这种智能体方面,一些常见的 AI 产品如 GPT4、Gemini 等都可以考虑。然而,要确保回答 100%正确且不会瞎说是具有一定难度的,因为 AI 的回答仍然受到数据和算法的限制。 3. 以下是一些额外的建议: 参考沃顿商学院给教师和学生的提示词库,例如其中的结构化题型设计师和测验生成器的相关提示。 像导演一样,将创建智能体的任务拆解成科学合理的步骤,明确每个步骤的目标和结果。 注意提示语的逻辑,将复杂任务拆分成多个相互关联的步骤,使前一步的结果成为后一步的基础。 很多 AI 网站都支持创建智能体,您可以根据配置信息、知识库和能力配置等来自行定制。
2024-11-21
目前市面上能力最强的AI模型是哪家的
目前市面上能力较强的 AI 模型来自多家公司和机构。 OpenAI 的 GPT4 是一个表现出色的大型多模态模型,在各种专业和学术基准测试中表现出与人类相当的水平。此外,OpenAI 还带来了其他优秀的模型,如 DALL·E 3 等。 Meta 开发的 Llama 3.1 是迄今为止最大版本,其在推理、数学、多语言和长上下文任务中能够与 GPT4 相抗衡,标志着首次开放模型缩小与专有前沿的差距。 谷歌 DeepMind 与纽约大学团队开发的 AlphaGeometry 在奥林匹克级几何问题基准测试中表现优异。 中国的 DeepSeek、零一万物、知谱 AI 和阿里巴巴等开发的模型在 LMSYS 排行榜上取得了优异的成绩,尤其在数学和编程方面表现出色,且在某些子任务上挑战了 SOTA。 Mistral 7B 是一个具有 73 亿参数的模型,在所有基准测试上超越了 Llama 2 13B,在许多基准测试上超越了 Llama 1 34B,在代码任务上接近 CodeLlama 7B 的性能,同时在英语任务上表现良好。 需要注意的是,AI 模型的能力评估会因不同的任务和应用场景而有所差异,且技术在不断发展和进步,新的更强的模型可能会不断涌现。
2024-11-18
你的知识库更新到什么时候,用的是哪家的大模型
以下是关于大模型的相关知识: 大模型与小模型的区别:小模型在特定任务上表现出色,但只能用于特定任务;大模型像多功能基础平台,能处理多种任务,应用范围广泛且拥有更多通识知识。 大模型的知识范围:大模型并不拥有无限知识,其知识来源于训练过程中接触的数据,这些数据有限,且训练后知识库不会自动更新,在某些特定或专业领域的知识可能不够全面。 大模型的运作机制:主要通过大量数据训练学习语言结构和模式,根据输入生成相应文本,类似于词语接龙游戏。 常见的大模型:包括 OpenAI 的 3.5 和 4 版本,微软 Bing 使用 4 和 3.5 的混合,谷歌的 Bard 由 PaLM 2 等基础模型驱动,Anthropic 的 Claude 2 具有非常大的上下文窗口,且不太可能恶意行事。 关于知识库的更新时间和使用的具体大模型,上述内容未明确提及。
2024-11-07
文生视频哪家强
目前在文生视频领域,以下是一些表现较为出色的产品: 1. Sora:由 OpenAI 开发,可生成长达 1 分钟以上的视频。 2. Pika:是一款出色的文本生成视频 AI 工具,擅长动画制作,并支持视频编辑。其新模型在文生视频质量上有大幅提升,例如生成皮克斯风格的镜头效果出色,稳定性高,语义理解强,动作幅度大,在 3D 和 2D 动画效果方面表现优秀。 3. SVD:如果熟悉 Stable Diffusion,可以安装这款最新的插件,在图片基础上直接生成视频,由 Stability AI 开源。 4. Runway:老牌 AI 视频生成工具,提供实时涂抹修改视频的功能,但需要收费。 5. Kaiber:视频转视频 AI,能够将原视频转换成各种风格的视频。 更多的文生视频的网站可以查看:https://www.waytoagi.com/category/38 。 以下是 Sora 和其他模型能力的对比表格: |能力分类|能力|SORA|其他| ||||| |底层技术|架构|Transformer|UNet 为主| |底层技术|驱动方式|数据|图片| |对于真实世界的理解/模拟能力|世界理解能力|可理解世界知识|弱| |对于真实世界的理解/模拟能力|数字世界模拟|支持|不支持| |对于真实世界的理解/模拟能力|世界互动能力|支持|不支持| |对于真实世界的理解/模拟能力|3D 运动连贯性|强|弱| |对于真实世界的理解/模拟能力|物体一致性|强|弱| |对于真实世界的理解/模拟能力|物体持久性/连续性|强|弱| |对于真实世界的理解/模拟能力|文本理解|强|一般| |对于真实世界的理解/模拟能力|运动控制|其他|提示词提示词+运动控制工具| |基于模拟的视频编辑能力|无缝连接能力|强|弱| |基于模拟的视频编辑能力|视频到视频编辑|支持|部分| |基于模拟的视频编辑能力|扩展生成视频|前/后|后| |外显视频基础属性|视频时长|60 秒|2~4 秒| |外显视频基础属性|原生纵横比|支持|不支持| |外显视频基础属性|清晰度|1080P|最高 4K| 不同工具适合于不同的使用场景和需求,您可以根据自己的具体情况进行选择。
2024-10-15
国内ai哪家强大
在国内,以下是一些在 AI 领域表现较为突出的公司和产品: 腾讯:腾讯元宝是相对较晚推出的 AI 应用,其最大亮点在于强大的 AI 搜索功能,能够访问大量微信生态系统内的私域资源,还依托于腾讯“混元”大语言模型生成高质量内容。 Soul:旗下的异世界回响在情感陪伴方面有一定特色。 海鸟科技:推出了 AI 变脸产品。 MiniMax:推出了 MoE 架构的新模型,以及“星野”这个目前国内较成功的 AI 陪聊 APP。 杭州超节点:有无界 AI 产品,在图片生成方面表现不错。 兴利和:美趣 AI 是其在图片生成领域的产品。 智谱:一年间推出了 4 代 GLM,一直是国内能力较好的模型之一。 需要注意的是,在 2023 年官宣 AI 大模型的公司众多,其中不乏蹭流量的。从产品层面看,2C 端真正出圈的是“妙鸭相机”,但只是昙花一现。在硬件层,国内目前仍缺乏能胜任大模型训练的芯片,华为昇腾在单卡指标上距离不远,但因稳定性和生态问题仍需打磨。
2024-10-08
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
免费制作数字人
以下为免费制作数字人的几种方法: 1. 剪映: 打开剪映右侧窗口顶部的“数字人”选项,选取免费且适合的数字人形象,如“婉婉青春”。选择后软件会播放数字人的声音,可判断是否需要,点击右下角“添加数字人”将其添加到当前视频中。左下角会提示渲染完成时间,完成后可点击预览查看效果。 为让视频更美观,可删除先前导入的文本内容,通过左上角“媒体”菜单导入本地背景图片,添加到视频轨道上,并将其轨道右侧竖线向右拖拽至与视频对齐,选中轨道后可调整背景图大小和数字人位置。 2. 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进行制作,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。 3. 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Create vedio,选择人物形象,可添加自己的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上传音频,最后点击Generate vedio生成视频,打开视频可下载或分享。 4. KreadoAI: 优点:免费,功能齐全。 缺点:音色很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。 此外,剪映作为字节跳动旗下产品,具有诸多优势,其下载地址为: 。制作流程为:首先打开剪映,添加文本到文字轨道并修改朗读文字,然后点击朗读进行声音克隆,完成后选择喜欢的数字人形象并换上克隆音色,最后一键智能生成字幕,自行调整文字样式并校准即可。
2024-12-20
哪个工具可以免费自己创建数字人
以下是一些可以免费创建数字人的工具及使用方法: 1. 剪映: 在剪映右侧窗口顶部,打开“数字人”选项,选取免费且适合的数字人形象,如“婉婉青春”。选择后软件会播放其声音,可判断是否需要,点击右下角“添加数字人”将其添加到当前视频中。左下角会提示渲染完成时间,之后可点击预览查看效果。 还可增加背景图片,删除先前导入的文本内容,点击左上角“媒体”菜单并“导入”选择本地图片上传,将图片添加到视频轨道上,调整图片位置和大小。 2. 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。 3. 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,打开生成的视频可下载或分享。 4. KreadoAI: 优点:免费,功能齐全。 缺点:音色很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,点击背景可添加背景图,最后点击生成视频。 此外,还有Synthesia等工具。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,使用时请遵守相关条款和政策,并注意版权和伦理责任。
2024-12-20
数字人唱歌ai工具
以下是一些数字人唱歌的 AI 工具及相关信息: 【TecCreative】创意工具箱: 数字人口播配音:输入口播文案,选择数字人形象、目标语言和输出类型,即可生成数字人口播视频。操作指引:输入口播文案——选择目标语言——选择数字人角色——选择输出类型——点击开始生成。 音频合成数字人:上传音频文件,选择数字人角色和输出类型,即可基于音频合成对应的数字人视频。操作指引:上传音频文件——选择数字人角色——选择输出类型——点击开始生成。注意:音频文件支持 MP3 和 WAV 格式,文件大小上限 5M。 电商带货本地生活: 三种方式创作数字人脸:使用逼真的照片或插图人脸、上传自己的照片、利用 DID 自带的 Stable Diffusion 的能力生成想象中的人脸。 三种方式让数字人说话:用 GPT 直接生成脚本让数字人说话、先选好脸再输入脚本、上传自己的音频记录或从电影、电视剧中剪辑台词或吟唱自编歌曲。 AI 数字人: 算法驱动的数字人:开源代码仓库包括 ASR 语音识别(如 openai 的 whisper、wenet、speech_recognition)、AI Agent(大模型有 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等,Agent 部分可用 LangChain 的模块自定义)、TTS(如微软的 edgetts、VITS、sovitssvc 等)。 人物建模模型可通过手动建模(音频驱动)或 AIGC 的方式生成人物的动态效果(如 wav2lip 模型)。但简单构建方式存在一些问题,如生成指定人物的声音、TTS 生成的音频精确驱动数字人口型及动作、数字人使用知识库做出专业回答等。
2024-12-19
数字人唱歌
数字人唱歌相关内容如下: 创作数字人脸的方式: 使用一系列逼真的照片或插图人脸来创造,所有人脸都经过优化,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。数字人像添加到人脸库后可重复使用,输入新脚本让其说话。 让数字人说话的方式: 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。 输入准备好的脚本,DID 里有数百种语言和口音,选择想要使用的声音,并调整角色说话风格。 上传自己的音频记录,或从电影、电视剧中剪辑最喜欢的台词、吟唱自编的歌曲。 相关算法开源代码仓库: 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)。 大模型:ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等。 Agent 部分:可使用 LangChain 的模块去做自定义(https://www.langchain.com/)。 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),还有很多分支版本;sovitssvc(https://github.com/svcdevelopteam/sovitssvc),专注到唱歌上面,前段时间很火的 AI 孙燕姿。 此外,剪映做数字人有优势,其作为字节跳动旗下产品,在抖音平台广泛应用,海外版 CapCut 也成绩斐然。其已有的 AI 功能能解决用数字人做视频的痛点,制作流程包括打开剪映添加文本、点击朗读并进行声音克隆、选择数字人形象并更换克隆音色、一键智能生成字幕并调整校准。剪映下载地址:
2024-12-19