挑战UVI做100件事。第12.2期数字人之照片说话。上期视频我用语音克隆的方式让四位大哥夸了我一遍，但遗憾的是他们夸我的证据只有音频不够给力。今天这期视频我就让他们四位张张嘴当这种面重新再夸我一遍。先看效果，咱就是说报博同学整的这个视频啊是真不错，咱就是说报博同学整的这个视频啊真是雅俗共赏。只要报博同学还继续更新视频，我就一定会给他点赞。咱就说报博同学整的这个视频啊，是他妈的真不错。今天这期视频给大家介绍的功能就是用音频来驱动图片开口说话。使用的工具是echo mimic，它可以分析出音频中的每一个词和每一个音素的特征，以及隐藏在背后的人物情绪，还能整合图片中人物面部的特征点，例如眼睛、鼻子、嘴的位置，尤其是嘴巴的位置和形状。然后再根据收集到的音频特征给照片中人物的面部五官做局部重绘，实现人物的嘴唇表情与声音同步。例如你发出啊的音时，economy c会让人物的嘴巴张开，发出嗯的音时会让人物的嘴巴闭合，以此类推就实现了用音频驱动照片开口说话。而且它不光可以让人物的照片张嘴说话，像这样的古典油画、水墨画、动画都可以张嘴说话，而且也不光能说话，唱歌也行。老天保佑金山银山前路有，老天就说别管江湖龙，老天叮嘱这辈子我算不丢，老天就怕36雷总打球。像这样的音频驱动图片说话的初级数字人技术，其实早已经悄悄的走进我们的生活了。别管是娱乐教育还是商业等等其他行业都能看到他们的影子。那使用起来其实也非常简单，你要提前准备的是一段用来驱动图片的音频。注意只能使用以下的音频格式和一张要被这段音频驱动的图片。但是这里要注意图片一定要是一张正方形的512乘512像素的照片，而且这张照片最好是一张正面照，而且能够清晰的展现目标的五官。准备好音频和照片之后，就打开我提供的语音驱动图片工作流，在这里上传图片，在这里上传音频，点击运行即可。是不是非常简单？这个工作流就会自动的帮你完成音频驱动图片说话或者唱歌。如果你的电脑配置不是很好，我建议你可以把一大段的发言内容分段来制作，我们来一起看看效果。老天保佑金山银山前路有，老天就说别管江湖龙，老天叮嘱这辈子我算不丢，老天就怕三十六雷总哎，师妹魍魉总出现在秋收后，魑魅魍魉总出现在秋收后，老天让我一棍铲除啮齿类点数。好了，本期视频就到这里了。相信看完视频的你现在也可以用自己的声音驱动照片张嘴说话了。我会把本期视频涉及到的工作流和模型免费分享给大家，但是咱们一定要注意自己的行为，不要把数字人技术用到违法犯罪的用户上。顺带说下下期视频，我将会给大家介绍数字人的终极篇，用音频来驱动视频说话的终极版数字人。如果你也喜欢本期视频，记得点赞、关注、收藏。我是鲍勃同学，咱们下期再见。
《数字人音频驱动图片攻略：轻松实现照片说话与唱歌》
在当今数字化时代，数字人技术正逐渐走进我们的生活。其中，音频驱动图片开口说话的功能尤为有趣。
首先，要准备好工具echo mimic。它能精准分析音频特征，包括词、音素及人物情绪。
接着，准备一张正方形512乘512像素的正面照，清晰展现目标五官。
然后，准备特定音频格式的驱动音频。
打开语音驱动图片工作流，上传图片和音频，点击运行，就能轻松实现音频驱动图片说话甚至唱歌啦。
若电脑配置不佳，可分段制作发言内容。快来试试，开启数字人音频驱动图片的奇妙之旅吧！
数字人,照片说话,音频驱动,echo mimic,工作流
[Q]：音频驱动图片说话用什么工具？
[A]：使用echo mimic。
[Q]：对准备的图片有什么要求？
[A]：需是正方形512乘512像素的正面照，能清晰展现目标五官。
[Q]：音频格式有要求吗？
[A]：只能使用特定的音频格式。
[Q]：怎么操作实现音频驱动图片说话？
[A]：打开语音驱动图片工作流，上传图片和音频，点击运行。
[Q]：电脑配置不好怎么办？
[A]：可把一大段发言内容分段来制作。
[Q]：除了人物照片，其他图片能用吗？
[A]：古典油画、水墨画、动画等图片也可以。
[Q]：能实现音频驱动图片唱歌吗？
[A]：不光能说话，唱歌也行。
[Q]：数字人技术还能用在哪些行业？
[A]：娱乐教育、商业等其他行业都能看到其影子。