IA que gera um humano digital falante a partir de uma imagem, com suporte a foto de meio corpo EchoMimic V2, gratuito e de código aberto do Alibaba DAMO Academy, inicialização com um clique, sem necessidade de implantação ou licença [Software Ge Chui Z...



📚Curso em vídeo
🕒Última atualização: 27/11/2024
👥Empreendedores / Criadores de conteúdo / Vendedores de comércio transfronteiriço / Renda extra

Material de estudo de referência — incluído com a assinatura
Desbloquear curso com assinatura
🔓
Obtenha este curso para seu estudo de referência com a assinatura
📦
Junte-se à assinatura — estude os 16742 cursos e ferramentas de software como referência
🔄
Os cursos são atualizados constantemente — os membros estudam o novo material assim que chega
Compartilhar:

EchoMimic é uma tecnologia avançada de IA desenvolvida pelo Alibaba DAMO Academy, capaz de gerar automaticamente, a partir de um arquivo de áudio e de uma foto de rosto, um vídeo com animação labial perfeitamente sincronizada com o conteúdo do áudio. Essa tecnologia é amplamente utilizada em entretenimento, educação, realidade virtual e reuniões online, entre outras áreas, proporcionando ao usuário uma experiência inovadora.

Atualmente, a versão EchoMimic V2 já foi lançada; a nova versão suporta o envio de fotos de meio corpo e gera humanos digitais de meio corpo mais vivos, tornando os cenários de aplicação mais diversificados.

Principais funções

– Sincronização labial precisa
Por meio da análise do conteúdo do áudio e dos pontos faciais, gera um efeito de vídeo totalmente compatível com o ritmo e o conteúdo da fala.

– Animação natural e realista
A tecnologia suporta movimentos faciais e mudanças de expressão naturais; a animação gerada tem forte realismo, próxima à atuação de uma pessoa real.

– Suporte a idiomas e múltiplos estilos
Seja mandarim, inglês ou estilo de canto, o EchoMimic alcança efeitos de sincronização de alta qualidade, atendendo a necessidades diversificadas.

Cenários de uso

– Área de entretenimento
Gera animações de diálogo sincronizadas para personagens de filmes, TV e jogos, aumentando a imersão do espectador.
– Setor educacional
Produz vídeos de ensino interativos, tornando o aprendizado mais vivo e interessante e melhorando a qualidade da educação.
– Realidade virtual (VR)
Gera animações realistas de personagens virtuais, aumentando a imersão do usuário em ambientes de VR.
– Reuniões online
Gera animações de lábios sincronizadas para reuniões remotas, aumentando o realismo da comunicação.
– Realidade aumentada (AR)
Cria personagens virtuais extremamente realistas em aplicações de AR, enriquecendo a experiência interativa.

Requisitos de configuração do sistema

– Sistema operacional: Windows 10/11 64 bits
– Requisitos de placa de vídeo:
– Versão V1: placa NVIDIA com pelo menos 8 GB de memória de vídeo
– Versão V2: pelo menos 12 GB de memória de vídeo, recomendando-se 16 GB ou mais para garantir a operação estável (quanto mais forte a placa, mais rápida a geração)
– Dependência de software: CUDA ≥ 12.4
– Espaço de armazenamento: cerca de 19,8 GB após a descompactação
– Como ver as informações da placa de vídeo:
1. Abra o Gerenciador de Tarefas
2. Clique na guia "Desempenho"
3. Na área "GPU", veja o modelo da placa de vídeo e o tamanho da memória de vídeo

Para o tutorial detalhado de instalação do CUDA, acesse: [

Tutorial de uso

Guia de operação da versão V2

1. Descompacte o pacote integrado baixado e certifique-se de que as pastas e os nomes dos arquivos não contenham caracteres chineses (incluindo arquivos de imagem e áudio).


2. Dê um duplo clique em "inicialização com um clique.exe" e aguarde um momento; o navegador abrirá automaticamente a interface de operação.


3. Envie uma foto frontal do rosto da pessoa na proporção quadrada 1:1, garantindo que os traços faciais estejam nítidos e que o material atenda aos requisitos (veja os exemplos no final da página).
4. Envie o arquivo de áudio; recomenda-se usar áudio apenas com voz humana, removendo a música de fundo.


5. Clique em "Iniciar geração" e aguarde com paciência a conclusão (por exemplo: com uma placa 4060Ti 16G, gerar 1 segundo de vídeo leva cerca de 5 minutos).


6. Após a geração, é possível pré-visualizar e salvar o vídeo.

Guia de operação da versão V1

1. Após descompactar, dê um duplo clique em "inicialização com um clique.exe" para abrir a interface de operação no navegador.


2. Envie a foto do rosto e o arquivo de áudio, ajuste os parâmetros (como a duração do vídeo, padrão de até 50 segundos) ou use as configurações padrão.


3. Clique em "Enviar"; o resultado da geração aparece à direita, com opção de pré-visualização e download.

Atenção: independentemente da versão usada, certifique-se de que o caminho e o nome dos arquivos não contenham caracteres chineses, para evitar erros de reconhecimento do software.

Exemplos oficiais:

Endereço do projeto de código aberto

– Versão V1: [https://github.com/BadToBest/EchoMimic](https://github.com/BadToBest/EchoMimic)
– Versão V2: [https://github.com/antgroup/echomimic_v2](https://github.com/antgroup/echomimic_v2)

Cursos relacionados

E-mail