Recomendados 12 programas gratuitos de Digital People para implantación local

在AI的快速发展中，数字人（Digital Humans）已经逐渐成熟，可以低成本的快速生成。因广泛的商业应用场景，受到大家的关注。无论是在虚拟现实（VR）、增强现实（AR）还是影视制作、游戏开发、品牌宣传，数字人都发挥着重要作用。

广义上数字人有3D建模（包含动作捕捉）数字人、静态2D形象数字人（含真人）、真人换脸类数字人。

本文主要介绍个人形象克隆形象类数字人，属于静态2D形象数字人，包含三个基本功能点：真人形象、语音克隆、口型同步。

注1：部分项目不包含语音生成（克隆）部分，这并不是重点，请可单独部署，市场中有很多优秀的AI语音克隆项目.

注2：目前2D静态数字人质量差异主要在口型同步，以及“视频动作”是否自然。你可以尝试单独优化sincronización labial节点。

注3：换脸+克隆声音也是快速生成数字人的方法，适合维持公共发言人形象、声音不变，不包含在以下方案中。先进的视频换脸普技术普及后存在风险，因此不介绍。

AIGCPanel: clon de código abierto del sistema de integración digital man, despliegue en un clic del cliente gratuito digital man.

AigcPanel es un sistema de producción humana digital de AI para todos los usuarios, desarrollado con la pila de tecnología electron+vue3+typescript, que admite la implementación con un solo clic en el sistema Windows. El sistema está diseñado para ser fácil de usar como el núcleo, por lo que incluso los usuarios con una base técnica débil puede dominar fácilmente. Las funciones principales incluyen la síntesis humana digital de vídeo, la síntesis de voz, la clonación de voz, etc., y proporciona funciones perfectas de gestión de modelos locales. El sistema admite una interfaz multilingüe (incluidos el chino simplificado y el inglés) e integra MuseTalk, cosyvoice y otros paquetes de inicio con un solo clic para varios modelos maduros. Cabe destacar que el sistema es compatible con la tecnología de coincidencia de fotogramas de vídeo y transcripción de voz para la síntesis de vídeo, y ofrece amplias opciones de configuración de parámetros de sonido para la síntesis de voz. Como proyecto de código abierto, AigcPanel se libera basándose en el protocolo AGPL-3.0, al tiempo que hace hincapié en el uso conforme a las normas y prohíbe explícitamente su utilización en cualquier negocio ilegal e ilícito.

DUIX：实时互动的智能数字人，支持多平台一键部署

DUIX（Dialogue User Interface System）是由硅基智能创建的AI驱动的数字人交互平台。通过开源数字人交互功能，开发者可以轻松集成大规模模型、自动语音识别（ASR）和文本转语音（TTS）功能，实现与数字人的实时交互。DUIX支持在Android和iOS等多个平台上一键部署，使每个开发者都能轻松创建智能和个性化的数字人代理，并将其应用于各个行业。该平台具有低部署成本、低网络依赖性和多样化功能，能够满足视频、媒体、客户服务、金融、广播电视等多个行业的需求。

EchoMimic：音频驱动的逼真肖像动画

EchoMimic 是一个开源项目，旨在通过音频驱动生成逼真的肖像动画。该项目由蚂蚁集团的终端技术部门开发，利用可编辑的标志点条件，结合音频和面部标志点生成动态的肖像视频。EchoMimic 在多个公共数据集和自有数据集上进行了全面比较，展示了其在定量和定性评估中的优越性能。

Sonic：全新数字人开源方案，音频驱动生成面部表情生动的数字人口播视频

Sonic 是一个专注于全球音频感知的创新平台，旨在通过音频驱动生成生动的肖像动画。该平台由腾讯和浙江大学的研究团队开发，利用音频信息来控制面部表情和头部运动，从而生成自然流畅的动画视频。Sonic 的核心技术包括上下文增强音频学习、运动解耦控制器和时间感知位置移位融合模块。这些技术使得 Sonic 能够在不同风格的图像和各种类型的音频输入下，生成稳定且逼真的长视频。

Hallo2：音频驱动生成口型/表情同步的肖像视频（含Windows一键安装）

Hallo2 是由复旦大学和百度联合开发的一个开源项目，旨在通过音频驱动生成高分辨率的人像动画。该项目利用先进的生成对抗网络（GAN）和时间对齐技术，实现了4K分辨率和长达1小时的视频生成。Hallo2 还支持通过文本提示增强生成内容的多样性和可控性。

VideoChat：自定义形象和音色克隆的实时语音交互数字人，支持端到端语音方案和级联方案

VideoChat 是一个基于开源技术的实时语音交互数字人项目，支持端到端语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG）。该项目允许用户自定义数字人的形象与音色，并支持音色克隆及唇形同步，支持视频流输出，首包延迟低至3秒。用户可以通过在线demo体验其功能，或通过详细的技术文档进行本地部署和使用。

TalkingAvatar: plataforma de vídeo de avatares de IA para crear y editar avatares de IA, basada en el cliente Windows de aritmética nativa.

TalkingAvatar 是一个领先的AI虚拟形象平台，提供完整AI数字人解决方案。提供用户创建、编辑和个性化视频内容的革命性方式。通过先进的AI技术，用户可以轻松重写视频、克隆语音、同步唇形，并创建自定义视频。无论是重新配音现有视频还是从头开始创建新故事，TalkingAvatar 都能满足您的需求。

SadTalker: Haz Hablar a las Fotos | Audio Sincronizado con la Boca | Vídeo Sincronizado con la Boca Sintetizado | Gente Digital Gratis

SadTalker是一个开源工具，能够将单张静态人像照片和音频文件结合，创造出逼真的说话头像视频，适用于个性化信息、教育内容等多种场景。革命性地使用3D建模技术，如ExpNet和PoseVAE，优秀地捕获细微的面部表情和头部动作。用户可以在个人项目和商业项目中使用SadTalker技术，例如信息传递、教学或市场营销。

AniPortrait: movimiento de imagen o vídeo basado en audio para generar vídeo digital realista de habla humana

AniPortrait是一个由音频驱动生成逼真的肖像动画的创新框架。该项目由腾讯游戏知己实验室的华为伟、杨泽俊和王志声开发。AniPortrait能够通过音频和参考肖像图像生成高质量的动画，甚至可以提供视频进行面部重现。通过使用先进的3D中间表示和2D面部动画技术，该框架能够生成自然流畅的动画效果，适用于影视制作、虚拟主播和数字人等多种应用场景。

MuseV+Muse Talk: Marco completo de generación de vídeo humano digital | Retrato a vídeo | Pose a vídeo | Sincronización de labios

MuseV是一个GitHub上的公共项目，旨在实现无限长度和高保真度的虚拟人视频生成。它基于扩散技术，并提供了Image2Video、Text2Image2Video、Video2Video等多种功能。提供了模型结构、使用案例、快速开始指南、推理脚本和致谢等详细信息。

DreamTalk: ¡Genera expresivos vídeos parlantes con una sola imagen de avatar!

DreamTalk是一个扩散模型驱动的表情说话头生成框架，由清华大学、阿里巴巴集团和华中科技大学联合开发。主要由降噪网络、风格感知嘴唇专家和风格预测器三部分构成，能够基于音频输入生成多样而真实的说话头像。该框架能处理多种语言和噪声音频，提供高质量的面部运动和准确的嘴型同步。

Translation Starter：开源视频内容翻译同步工具|语言转换|唇形同步

Translation Starter是一个由Sync Labs开发的开源项目，旨在帮助开发者快速集成视频内容的多语言支持。它提供必要的API和文档，以便开发者轻松创建需要视频翻译与唇动同步的应用程序。其基于强大的AI技术，如Sync Lab的完美唇形同步、Open AI的Whisper翻译技术及Eleven Labs的声音合成。