背景

最近发现一个很有趣的GitHub项目SadTalker，它能够将一张图片跟一段音频合成一段视频，看起来毫无违和感，如果不仔细看，甚至很难辨别真假，预计未来某一天，一大波网红即将失业。

虽然这个项目目前的主要研究方向还是基于cuda的脸部训练，生成动态的视频，但如果能够接入语音服务，利用ChatGPT实时生成对话prompt，配合这个项目实时渲染动态视频，那么一个灵动的对话机器人就产生了。想想这两个月ai正在以可怕的速度进化，未来生命以数字形式留存，机械飞升不再是科幻小说才有的场景。

使用教程

SadTalker上手门槛低，对新手相当友好，按照我的步骤一步步进行将确保你能够正常玩转这个项目。

一、环境准备

1、安装 Anaconda

Anaconda 本身是一个python发行版本，它可以便捷获取包且对包能够进行管理，同时对环境可以统一管理。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。

Anaconda 与 Python 的区别在于，Anaconda 是一个发行版，提供了一组科学计算和数据分析的常用工具，而 Python是一种编程语言。Anaconda 是基于 Python 的，但它包含了许多 Python 库和工具，可以帮助开发者快速开始科学计算、数据分析和机器学习项目。

与 Python 的另一个区别是，Anaconda 还包含了一个叫做 conda 的包管理器，可以帮助开发者管理和部署 Python 库和工具。conda 可以帮助开发者在不同的环境中安装和使用 Python 库，并且可以方便地创建、复制和删除 Python 环境。

进入官网 anaconda，点击下载，然后按照提示安装即可，安装完成后，点电脑的开始按钮可以看到 Anaconda Prompt 的命令提示符程序，代表安装成功。

2、安装NVIDIA cuda-toolkit

项目基于 PyTorch，如果你的电脑使用了英伟达的显卡，那么建议你安装cuda-toolkit，以便充分发挥显卡进行机器训练的优势。非常不建议直接用CPU，速度会非常慢。

进入官网 cuda-toolkit，根据显卡的cuda版本号，选择对应版本的toolkit下载，然后按照提示进行安装即可，安装目录可自定义。

显卡cuda版本号可通过 nvidia-smi 命令查看。

然后选择对应版本的cuda-toolkit。

3、安装 visual studio c++ 模块

如果你是首次使用 PyTorch 的新手用户，那么建议你提前安装好visual studio c++ 模块，因为PyTorch依赖于dlib库。

dlib是一个跨平台的用C++编写的代码库，这个库的机器提供了很多学习算法和工具。由于dlib库需要c++编译器，所以建议提前安装 visual studio c++ 模块，否则会报错的。

进入官网 visualstudio，选择社区版下载，仅勾选使用C++的桌面开发 ，然后安装即可。

二、下载项目及训练模型

1、下载源码

进入项目主页 SadTalker，通过Git将源码clone下来，或者直接点DownloadZip手动下载。

2 、下载gfpgan模型

gfpgan是腾讯开源的人脸复原模型，用于解决如何从低分辨率低质量的真实图像中获得较好的先验知识，复原人脸图像的问题。它利用封装在预训练脸部GAN中的丰富多样的先验信息进行人脸盲修复。这种生成性面部先验（GFP）通过空间特征变换层被纳入到人脸恢复过程中

点击 GFPGANv1.4 即可下载，将下载好的模型放到项目中E:\ProgramData\openAI\SadTalker\gfpgan\weights\下，源码是不包含\gfpgan\weights\这个目录的，可以手动创建下。

3 、下载其它必要模型

进入 Releases 页面，选择最新版本的Assets，所有除源码以外的文件都进行下载。
下载完成后，放到 E:\ProgramData\openAI\SadTalker\checkpoints目录下，此外需要将hub.zip和BFM_Fitting.zip分别解压下，其他不用解压。源码不包含\checkpoints这个目录，需要手动创建下。

三、用 Anaconda 将项目跑起来

1、打开 Anaconda Prompt，设置pip源，并切换到项目目录

2、创建虚拟环境并安装依赖

首次运行需要通过conda create 命令创建运行环境，然后激活环境，然后下载依赖包。

以下命令执行过程中，可能会提示报错，根据报错提示下载相关的依赖即可。

如果是提示缺少dlib，那就非常考虑耐心了。由于dlib的安装需要相当长的时间，建议通过 pip install dlib -vvv 查看详细的安装进度，并且你要确保电脑不会因休眠而断网。

conda create -n sadtalker python=3.8

conda activate sadtalker

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

conda install ffmpeg

pip install -r requirements.txt

3、执行 conda info，复制GFPGANv1.4.pth到虚拟环境

根据 active env location 提示，找到虚拟环境的位置。

把源代码压缩包里面的：gfpgan\weights\GFPGANv1.4.pth 剪切到虚拟环境的 Lib\site-packages\gfpgan\weights 目录下

4、运行命令，生成视频

python inference.py --driven_audio E:\temp\sadtalker\input\1.wav --source_image E:\temp\sadtalker\input\1.jpg --result_dir E:\temp\sadtalker\output --still --enhancer gfpgan --full_img_enhancer gfpgan

其中 driven_audio 参数值要替换为 你的语音文件, source_image 参数值要替换为 你的图片， result_dir 参数值要替换为 你的资源输出目录。

这里是最后一步，可能会报错，如果出现 attempting to deserialize object on a cuda device but torch.cuda.is_available() is false.这样的报错。说明你没有正确安装GPU的cuda工具包，请返回安装NVIDIA cuda-toolkit 这一步进行安装，如有必要请升级显卡驱动。如果你确实没有英伟达的显卡，那么可根据报错提示，找到对应位置的源码，修改默认的device为cpu即可。

运行完成后，我们将看见一个栩栩如生的短视频。

后记

SadTalker项目迭代更新很快，目前已经对视频增加了水印，当然如果你有点程序基础，应该能研究出来怎么把那个水印给去掉。

另外由于迭代快，文字最后的命令可能会报错，如果你发现问题，欢迎到我评论区留言，我会尽快更新。

如果你喜欢这个项目，不妨给项目一个star，你的支持是对作者最大的鼓励。