自动唇同步项目lazykh使用教程
2025-04-21 16:06:12作者:宗隆裙
1. 项目介绍
本项目是基于开源库gentle的自动唇同步项目,名为lazykh。它能够根据音频文件和脚本文件自动生成动画角色的口型,实现简单的唇同步效果。此项目适用于需要为视频中的角色添加口型的创作者,尤其适合制作教学视频、游戏解说等。
2. 项目快速启动
快速启动lazykh项目需要以下步骤:
安装环境
首先,首先确保你的系统中安装了Python 3。
sudo pip install Twisted==16.4.1
然后从GitHub克隆lazykh项目:
git clone https://github.com/carykh/lazykh.git
进入项目目录,安装gentle库:
cd gentle
./install.sh
注意:gentle库安装后体积较大,约为3GB。
准备音频和脚本
将音频文件和脚本文件放入lazykh/exampleVideo目录中,音频文件应为.wav格式,脚本文件为.txt格式。
处理脚本
运行以下命令去除脚本中的注释,使其适应gentle库处理:
python3 code/gentleScriptWriter.py --input_file exampleVideo/ev
生成口型数据
使用gentle库为音频文件生成口型时间戳:
python3 gentle-final/align.py exampleVideo/ev.wav exampleVideo/ev_g.txt -o exampleVideo/ev.json
创建时间表
生成动画的时间表:
python3 code/makeSchedule.py --input_file exampleVideo/ev.json --output_file exampleVideo/ev_schedule.json
3. 应用案例和最佳实践
应用案例
- 制作教学视频,为旁白添加口型。
- 游戏解说视频,让游戏角色根据解说同步口型。
最佳实践
- 在脚本中使用通用的单词代替不常见的单词,以便gentle库能够识别并同步口型。
- 在脚本中适当使用情感标签,如
<happy>,<sad>,以使角色表情更加丰富。
4. 典型生态项目
目前lazykh作为一个开源项目,已经有了一些典型的生态项目,包括但不限于:
- 使用lazykh进行视频创作的个人项目。
- 集成lazykh的自动化视频生产工具。
通过上述教程,您可以开始使用lazykh进行视频创作。祝您创作愉快!
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322