AI数字人通用学习手册
输入“/”快速插入内容
📖AI数字人通用学习手册
AI数字人通用学习手册
用户2838用户2838
用户9797用户97972024年5月22日修改
✍️ 作者：华泽的个人说明书
学前须知
📌
•
学习时间：1~3天
•
学习难度：如果直接使用商业工具，难度低，如果使用开源方案，难度较高
•
学习方式：
a.
根据技术能力和需求选择开源/闭源的工具
b.
选择想要做的数字人，跟着案例自己尝试做一遍。
c.
熟悉流程后，发挥想象力，应用到自己需要的数字人场景制作中
打卡核实后「可获得证书」，优秀打卡内容将被「展出」，特别优秀者会邀请来「一起完善学习文档」
具体打卡要求详见：【说明文档】打卡（非必须）
数字人制作主要分为以下三个阶段:
从开源的技术来看， 主要分为声音克隆和面部重建两部分; 肢体动作控制和表情控制这方面突破较少,暂不过多讨论
开源部分介绍:
1.
声音克隆
好消息：有支持win、mac的启动包，支持webui
坏消息：需要显卡，好的效果需要抽卡， 无法直接商用
支持一键安装和gui，好的效果需要抽卡，提供的音频质量和长度越高--相对效果越好
GPT-SoVITS主页的功能介绍：
1.
零样本文本到语音（TTS）： 输入 5 秒的声音样本，即刻体验文本到语音转换。
2.
少样本 TTS： 仅需 1 分钟的训练数据即可微调模型，提升声音相似度和真实感。
3.
跨语言支持： 支持与训练数据集不同语言的推理，目前支持英语、日语和中文。
4.
WebUI 工具： 集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注，协助初学者创建训练数据集和 GPT/SoVITS 模型。
a.
更多演示可以参考：
以下不做学习要求，了解即可。
1.3 fish-speech