Ditto-Talkinghead：阿里巴巴数字人技术新突破 🗣️

.

阿里巴巴推出了一项新的数字人技术，名为 Ditto-Talkinghead。这项技术主要用于生成由音频驱动的说话头，也就是我们常说的“数字人”。不过，现有的基于扩散模型的同类技术存在一些问题，例如：

• • ⏱️ 推理速度慢：难以满足需要即时响应的互动应用场景。
• • 🎛️ 控制性不足：对面部动作的精细控制还不够到位。
• • 👁️ 视觉伪影：有时会产生不自然的视觉效果，影响观看体验。

这些问题很大程度上是由于依赖变分自编码器（VAE）产生的隐式潜在空间造成的。

.

Ditto-Talkinghead 的主要优势 ✨

Ditto-Talkinghead 在以下几个方面表现出色：

• • ⚡ 实时性：经过优化，可以实现接近实时的生成速度。
• • 🕹️ 高控制性：能够精确控制面部动作，例如表情、头部姿态和视线方向。
• • 🖼️ 高质量：生成的说话头视频效果逼真，唇形与语音同步准确，表情和头部运动自然流畅。
• • 🤸 灵活性：仅需一张静态图像，即可生成动态的说话头视频。

快速上手指南 🚀

为了方便大家体验，我们已经将这个 AI 工具打包成了一个本地一键启动包。你只需要简单几步操作，就可以在自己的电脑上使用，无需担心隐私泄露或者复杂的环境配置问题。

🖥️ 电脑配置要求

• • 操作系统：Windows 10/11 64位
• • 显卡：8G 显存以上的英伟达显卡
• • CUDA 版本：>= 12.1

⬇️ 下载和使用教程

1. 1. 下载压缩包：
   下载地址：https://hbqihe.cn/152/
2. 2. 解压文件：
   将下载的压缩包解压到电脑上，注意解压路径最好不要包含非英文字符。然后，双击 “run.exe” 文件运行。

   

3. 3. 浏览器访问：
   程序会自动打开你的默认浏览器，显示如下界面：