懂AI
GeneFace

GeneFace

广义和高保真3D会说话的人脸合成

该项目展示了一种通用且高保真的音频驱动3D说话面部生成方法。GeneFace 实现了更好的唇同步和面部表现，即使在非典型音频中也是如此。项目附带预训练模型和数据集，方便快速上手，并支持使用个人视频训练独特的GeneFace模型。新发布的GeneFace++ 提升了唇同步、视频质量和系统效率，具备实时推断和更快的深度3D重建功能。

GeneFace高保真音频驱动3D人脸合成ICLR'23Github开源项目
访问官网GitHubHugging Face论文

GeneFace 项目介绍

GeneFace 是一个由浙江大学和字节跳动的多个研究人员联合开发的项目，旨在创造一种通用且高保真度的音频驱动3D说话人脸生成技术。在2023年的ICLR会议上，GeneFace在保持唇同步和表达逼真度方面表现突出，即使是对不在训练领域的音频也表现优异。

项目背景

面对目前市场上各种基于语音合成或面部动画技术的需求，GeneFace的诞生为解决音频驱动的3D说话人脸生成中的挑战带来了新的契机。与以往的NeRF（Neural Radiance Fields）方法相比，GeneFace提高了唇形同步的准确性和整体表现的真实度。

项目特色

  1. 高保真度：GeneFace 在听觉驱动的情况下，实现了逼真的面部细节表达及唇同步，这使得生成的人脸动画更为自然。

  2. 兼容性：对于域外音频表现出色，这意味着即使是未经过训练的声音数据，GeneFace也可以得心应手地生成符合预期质量的输出。

  3. 先进的技术组件：包括RAD-NeRF作为渲染器，实时推理能力以及易于安装、比之前快8倍的深度3D重建模块等。

实施步骤

要快速开始使用GeneFace，团队提供了预训练模型和经过处理的数据集，只需按照以下四个步骤即可进行推断：

  • 步骤1：创建一个新的Python环境，名为geneface。
  • 步骤2：下载并解压预先提供的文件到指定目录。
  • 步骤3：按照指引处理数据集。
  • 步骤4：运行指定脚本进行推断，生成最终的视频。

训练自己的模型

用户不仅可以使用提供的数据集进行推断，还可以使用其他目标视频来训练GeneFace。例如，通过下载实验中使用的8个目标人物视频，或者录制自己的视频，实现独特的3D说话人脸生成。

更新与改进

  • MimicTalk：一个专注于特定人物的说话人脸生成方法，质量更好并支持说话风格的控制。
  • GeneFace++：作为GeneFace的升级版本，进一步提升了唇同步、视频质量及系统效率。

未来展望

随着技术的不断发展和更新，GeneFace团队持续对技术进行更新和完善，并计划在未来推出更多的技术更新及优化，以进一步提升生成质量并扩展应用场景。

GeneFace项目是在多个开源项目基础上发展而来的，感谢各开源社区提供的支持和资源。GeneFace在音频驱动的3D面部合成领域展现了卓越的能力和广阔的应用潜力。

编辑推荐精选

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
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

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。

热门AI助手AI对话AI工具聊天机器人
Transly

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

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。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

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

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

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

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。

下拉加载更多