AI技术的飞速发展推动了数字人的成熟，低成本的快速生成成为可能，因其广泛的商业应用场景，数字人受到了广泛关注。无论是虚拟现实（VR）、增强现实（AR）还是影视制作、游戏开发、品牌宣传，数字人都扮演着重要角色。
从广义上讲，数字人可以分为三类：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。
本文将重点介绍个人形象克隆形象类数字人，这类数字人属于静态2D形象数字人，具备以下三个基本功能点：真人形象、语音克隆、口型同步。
需要注意的是，部分项目可能不包含语音生成（克隆）部分，这并非重点，用户可以根据需求单独部署。市场上有很多优秀的AI语音克隆项目可供选择。
目前，2D静态数字人的质量差异主要体现在口型同步以及“视频动作”的自然度。用户可以尝试单独优化口型同步节点。
此外，换脸+克隆声音也是快速生成数字人的方法，适用于维持公共发言人形象、声音不变。但这种方法不包含在以下方案中。随着先进的视频换脸普技术的普及，存在一定的风险，因此不予介绍。
接下来，我们将介绍几款数字人制作和交互的平台：
1. **AIGCPanel**：开源克隆数字人整合系统，一键部署免费数字人客户端。AigcPanel是一款面向所有用户的一站式AI数字人制作系统，支持Windows系统一键部署。系统设计以用户友好为核心，即使技术基础薄弱的用户也能轻松掌握。主要功能包括视频数字人合成、语音合成、语音克隆等，并提供完善的本地模型管理功能。系统支持多语言界面（包含简体中文和英语），集成了 MuseTalk 、 cosyvoice 等多个成熟模型的一键启动包。
2. **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。
3. **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。
4. **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。
5. **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。
6. **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。
7. **TalkingAvatar**：创建和编辑AI虚拟形象视频平台，基于本地算力Windows客户端。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。
8. **SadTalker**：让照片说话|嘴型同步音频|合成口型同步视频|免费数字人。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。
9. **AniPortrait**：音频驱动图片或视频动作生成逼真的数字人讲话视频。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。
10. **MuseV+Muse Talk**：完整数字人视频生成框架|人像转视频|姿态转视频|唇形同步。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。
11. **DreamTalk**：使用一张头像图片即可生成表情丰富的说话视频。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。
12. **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。
以上是关于数字人制作和交互平台的介绍，希望对您有所帮助。
暂无评论