企业官网建设流程全解析

SadTalker数字人：10分钟让单张图片开口说话的完整路径

【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

上传一张人像照片、喂给一段音频，几分钟后得到一个头部运动与口型同步的说话视频。本文带你用 10 分钟完成 SadTalker——一款单图音频驱动说话人脸生成工具（CVPR 2023）——的本地部署与首次出片，只需一台能打开终端的电脑。

核心能力速览

SadTalker 的输入输出关系非常直接：

• 虚拟主播、品牌形象：一张人像加任意音频，产出口型同步的说话视频
• 教学视频、正式形象：Still 模式冻结头部姿态，输出稳定不晃
• 角色短片、全身动画：Full 图像模式让整幅画面动起来并贴回原图
• 高清成片：可叠加 GFPGAN 人脸增强后直接交付

跑起来

环境检查清单

• 系统：Windows 10/11、macOS、Linux 均支持
• 内存 8GB 以上（推荐 16GB），磁盘空闲 10GB 以上
• 已安装 git 与 ffmpeg；推荐 Python 3.8，启动脚本会自动创建虚拟环境

启动命令

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

Windows 用户可直接双击webui.bat。脚本会自动创建 Python 虚拟环境并安装依赖，首次运行耐心等待 Gradio Web UI 就绪即可。接着执行一条命令下载模型：

bash scripts/download_models.sh

模型文件会落到checkpoints/与gfpgan/weights/两个目录；网络不稳定时，可手动从 Release 页下载后解压到相同位置。

首次生成

浏览器打开 Web UI 后，按页面完成首次出片：

1. 上传一张正面清晰的人像作为源图像
2. 选择驱动音频（wav 或 mp3），或输入文本自动生成语音
3. 选择预处理模式，默认 crop（裁剪面部区域生成）
4. 确认 expression_scale（默认 1.0），想要直接成片可勾选 gfpgan 增强
5. 点击生成，视频几分钟后保存在results/目录

仓库自带的examples/source_image/示例图可以直接作为首次源图像，examples/driven_audio/里有现成音频可用。

使用场景与选择

选择逻辑只有一条：涉及真实人像数据，优先本地或自管 Docker；只想先验证效果，从云端试起成本最低。

效果调优

输出质量由输入决定，按素材到参数的顺序调整：

1. 图片选择：只支持真人照片，正面、面部清晰、无遮挡，避免侧脸与低光；高度风格化的图像不在支持范围
2. 音频标准：仅支持 wav 与 mp3，无背景噪声的干声口型最稳
3. expression_scale：最影响自然度的单一参数，默认 1.0，动作偏弱时提到 1.2–1.5，表情过冲时降到 0.5–0.8
4. 全身照片：配合 Still 模式与 full 预处理，保持原头部姿态，再叠加 gfpgan 增强出成片

踩坑速查

Q：启动提示 ffmpeg 未识别A：先安装 ffmpeg（Linux/Mac 用 conda 或 brew，Windows 加入 PATH），再重新启动。

Q：模型文件缺失或 checkpoint 加载失败A：重跑bash scripts/download_models.sh；校验文件大小，不匹配则重新下载。

Q：音频无法解析A：仅支持 wav 与 mp3，其他格式先用 ffmpeg 转码。

Q：CUDA out of memoryA：设置PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128，或降低输出分辨率、关闭增强。

Q：Mac M1 报 Illegal Hardware ErrorA：单独执行pip install dlib重装 dlib。

Q：生成速度太慢A：降低输出分辨率、关闭增强模式，并确认跑在 GPU 上。

继续探索

• 用 generate_batch.py 批量生成多组人像与音频
• 全部推理参数、模式对比与参考视频模式详解
• 更多常见问题与解法

SadTalker 把"单图加音频到说话视频"压缩成了本地十分钟可跑通的工程任务。第一个视频跑通之后，翻一翻仓库里的 best practice 文档，增强模式与全身动画都能直接上手。

【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