这是一个创建于 146 天前的主题，其中的信息可能已经有所发展或是发生改变。
想要训练自己的数字人形象，支持与人对话问答，但是如何开始训练呢，我可以接大模型，听说主流的厂商都用 webrtc 推流
Easy-Wav2Lip ，sadtalker,video-retalking 等等都试了，不是一回事。
3 条回复 • 2024-07-25 18:54:01 +08:00
 |
1
KIMI360 146 天前
同问，mark 一下
|
 |
2
elron 146 天前
前端时间正好研究过，模型方面综合下来腾讯的 musetalk 效果最好，也支持实时流式推理，推理速度也挺快，但是比较吃资源。实测下来 4070 也只能达到 25fps 。如果效果不满意，可以基于腾讯公布的数据集+自己的素材再训练一套。
也可以用 er-nerf 模型训练，这个效果上我觉得不如腾讯，但是推理起来不吃什么资源。 另外，如果有声音克隆方面的需求，可以上 gpt-Sovit 或者最新的 fish-speech 也可以，声音方面没要求的话直接上 edge-tts 完事。 关于推流，直接考虑 webrtc 即可，搭建一个 srs 推流服务器，推理过程可以流式传输给 srs ，再由客户端通过 ws 拉取。如果想做到数字人和 LLM 实时问答对话，你要考虑一下文本切割了。 |
 |
3
weishao666 OP @elron 谢谢大佬，我试试
|
Select Language