Bert-VITS2-ext

Bert-VITS2-ext

实现声音到脸部表情的同步生成的TTS及声音识别的应用

Bert-VITS2-ext 专注于TTS及声音识别的创新应用,实现声音到脸部表情的同步生成。该技术结合VITS,支持多语言,适用于复杂交互场景,为动画与虚拟互动领域开辟新可能。

Bert-VITS2TTS表情生成音频质量数据预处理Github开源项目

Bert-VITS2-ext 项目介绍

项目背景

Bert-VITS2-ext 项目的主要目标是扩展 Bert-VITS2 的功能,尤其是在文本转语音(TTS)的同时能够生成对应的脸部表情数据。这使得应用于影视制作、虚拟主播以及其他需要视听同步的领域成为可能。

项目效果展示

该项目已经在多个平台上展示了其效果,包括哔哩哔哩和 YouTube。以下是一些效果展示链接:

项目扩展

扩展到 CosyVoice

Bert-VITS2-ext 已被成功扩展以支持 CosyVoice 表情测试,实现了更真实的表情生成功能。CosyVoice表情测试

扩展到 GPT-SoVITS

在 GPT-SoVITS 上重新进行训练的初步测试结果不理想,因此暂时通过 Bert-VITS2-ext 的模型部分进行移植来完成表情生成的测试。GPT-SoVITS 表情测试

TTS 同步输出表情

思路

项目参考了 VITS 论文中的网络结构,在输入文本编码后,将其转换为隐变量,并在解码前生成表情值。这一过程中冻结了原始网络的参数,增加了处理层以完成隐变量到表情值的映射。

数据采集与预处理

数据采集通过 Live Link Face 实现,连续采集语音和表情值并记录。对此数据进行预处理后,通过独立的模型训练生成训练和验证所需的数据。

训练与推理

使用已准备好的数据进行模型训练,并在推理阶段通过生成音频、隐变量以及动画数据来验证表情生成效果。生成的动画数据可同步展示在虚拟环境中。

声音到表情转化

项目使用后验编码器将音频转换为隐变量,再从隐变量生成对应的表情,实现了声音到动画同步的创新应用。

身体动画

项目使用 MotionGPT 实现语音和表情数据驱动的身体动画生成,未直接与 Unreal Engine 的骨骼动画对接,但通过协议转换可在 MetaHuman 上预览。

总结

Bert-VITS2-ext 项目通过扩展和创新,将文本转语音与表情生成有机结合,为用户提供了一个高效的多模态同步解决方案,并在虚拟现实等领域展示了广泛的应用潜力。

编辑推荐精选

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码,轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

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。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

下拉加载更多