企业官网建设流程全解析

SadTalker：1张照片生成说话视频，3步跑通AI口型同步

【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

你是否也被一个问题卡住过：想让人物出镜讲段话，却拍不到合适的视频素材？SadTalker 就是干这个的：一张肖像照片加一段音频，就能生成说话视频。它来自西安交通大学和腾讯 AI Lab，已开源。下面带你从零跑通。

🎬 30秒认识它

• 输入：1张照片 + 1段音频
• 输出：口型同步的说话视频
• 支持 256 / 512 像素两种渲染规格
• crop、resize、full 三种预处理模式
• 可选 gfpgan 面部增强
• WebUI 界面与命令行两种用法

它的底层是 3D 面部重建模型，头部动作和表情比纯2D方法更稳，这是最差异化的地方。

🚀 从零到跑通：3步安装步骤

环境要求：

• Python 3.8
• Git
• FFmpeg

启动步骤：

1. 克隆仓库并进入目录：

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

2. 运行bash webui.sh（Windows 双击webui.bat）启动 WebUI，自动装依赖。
3. 一键下载全部模型文件，缺了它跑不出结果：

bash scripts/download_models.sh

4. 用一条命令生成视频，跑完会提示结果文件路径：

python inference.py --driven_audio ./examples/driven_audio/bus_chinese.wav \ --source_image ./examples/source_image/full_body_1.png \ --enhancer gfpgan

5. 到results/目录按时间戳找到生成的 mp4，直接播放检查效果。

⚙️ 出效果的关键：口型同步参数怎么调

默认推荐参数，直接能跑：

预处理模式怎么选

crop是默认值，只生成面部区域，效果最稳。证件照类的正面图用resize。全身图用full并配合--still。选错模式是效果差的最常见原因。

expression_scale 怎么调

默认 1.0。表情显得平淡就调大到 1.2~1.5，动作过夸张就调小到 0.8。一次只动这一个变量，对比两次结果再定。

全身模式为什么加 --still

--still沿用原图姿态，头部摆动更少，全身画面更自然。再叠--enhancer gfpgan，画质能再上一个台阶，详见 最佳实践文档。

🛠️ 进阶玩法

• 参考视频模式：用--ref_eyeblink传入一段真人视频，借它的眨眼和眉眼动作，生成的眼神更自然。
• 全身生成：--preprocess full加--still，人脸动画自动贴回原图，身体部分保持不动。
• 自由视角：--input_yaw -20 30 10这类参数控制头部朝向变化，单图即可转出多角度说话视频。

💡 它能帮你做什么

• 虚拟主播口播：无需真人出镜，照片角色按音频讲解，批量产出内容
• 课程与教学：讲师照片配一段录音，快速做出发音演示视频
• 电商宣传：店主照片读一段产品介绍，省掉拍摄和后期

🐛 避坑清单

• ffmpeg is not recognized→ 安装 ffmpeg 并确认在系统 PATH 中，Linux 可用conda install ffmpeg
• FileNotFoundError: ...similarity_Lm3D_all.mat→ 模型没下载全，重跑scripts/download_models.sh并核对目录
• 报unexpected EOF文件损坏 → 模型没下完整，重新下载 gfpgan 补丁包
• 音频格式不对 → 输入音频请用 wav 或 mp3，其他格式会解码报错
• CUDA 显存不足 → 运行前设置PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128，或把--size降到 256

更多问题可以先翻 FAQ 文档，多数报错都有现成答案。

🚀 下一步

你现在已经能：装环境、下模型、一条命令出片，还会调预处理模式和表情强度这 3 个关键参数。剩下的就是多换几张图试手感了。

现在就试试，把第一支视频跑出来吧。

• 示例素材目录：examples/
• 项目配置参考：src/config/

【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