Digital-Life-DL-B
数字形象解决方案，结合ChatGLM、Wav2lip和so-vits-svc技术
DL-B是一个开源的数字形象解决方案，结合了ChatGLM、Wav2lip和so-vits-svc技术。目前，项目正处于比赛阶段，计划在比赛结束后发布优化版及详细代码。硬件需求为RTX 3060显卡和Intel i5-12400F CPU，系统环境为Python 3.9.13。未来项目将由AI学社负责，致力于用户友好框架的开发。诚邀技术爱好者提供优化建议并参与完善项目。
项目介绍：Digital Life DL-B
简介
Digital Life DL-B 是一个基于 ChatGLM、Wav2lip 和 so-vits-svc 组建的数字形象方案。这个项目提供了一种通过不同的人工智能模型来创建数字形象的方法。DL-B 项目的代码于 2023 年 3 月中旬编写完毕，并且没有进行过优化或更新。目前，项目开发者正在基于这个项目参加比赛，同时项目组也在推进至 DL-C 的后续优化和 DL-D 的测试开发。由于比赛进行中，DL-C 和 DL-D 的细节在比赛结束前将不会被公布。
硬件需求
项目的运行需要一定的硬件配置。以下是一个推荐的配置，以便在本地系统上顺利运行：
- 显卡：RTX 3060 12G
- CPU：Intel i5-12400F
- 内存：16 GB
- 硬盘：30GB
环境安装
DL-B 项目需要在 Python 3.9.13 环境下运行。用户需使用 pip 安装所需的依赖库，此外还需要特殊配置 Python 3.8 的环境包用于 So-VITS 的运行。为简化用户操作，项目提供了一个预配置的环境包，用户需要下载并解压到 DL-B 文件夹中。
此外，项目还要求安装 ffmpeg。用户可以选择自行安装或者使用项目提供的“懒人包”来进行快捷安装。
模型训练
ChatGLM
ChatGLM 提供了多种微调方式，用户可以根据个人需求选择合适的微调路径。对于如何在 ChatGLM 上进行 P-tuning 微调，清华大学的 GitHub 页面提供了详细的说明。用户可通过 transformers 库自动下载模型和参数。若网络速度较慢，也可以选择手动下载模型并加载本地文件。
so-vits-svc
So-VITS 是一个非常受欢迎且成熟的语音模型，用户可以通过视频教程学习如何进行高质量的训练。所需的模型文件也可以通过提供的链接进行下载和配置。
Wav2Lip
Wav2Lip 是一款用于唇形同步的模型，通过下载必要的预训练模型，用户可以选择不同的唇同步方案。需要注意的是，用户需采集本人视频来达到最佳唇同步效果。
源码更改
DL-B 项目的源码需要进行一些额外的更改才可正常运行。用户需要更改 model 路径来加载微调后的模型；具体需要在 main_demo.py 和几个相关文件中进行路径和参数的修改。
总结
Digital Life DL-B 是一款集成了多种人工智能模型的数字形象方案，尽管在开发初期代码较为生硬，但团队计划在比赛结束后由 AI 学社接手进行优化和完善，推出更为用户友好的体验。这一项目为想要制作数字角色的用户提供了一个引人入胜的解决方案。
希望所有尝试 DL-B 项目的用户都能从中获得乐趣！
编辑推荐精选
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯 飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能， 涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号