张洪Heo
·
如何用一张图片生成说话视频
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
本文介绍了视频制作流程，包括文本、声音、图像和视频几个部分。使用AI模型生成文本，VALL-E X生成声音，制作图像要求正脸和清晰嘴唇。视频部分使用CrazyTalk软件，包括导入图像、调整脸部特征和导入声音等步骤。文章提供了示例图片和软件下载链接。
🎯
关键要点
-
视频制作流程分为文本、声音、图像和视频几个部分。
-
文本部分由AI模型生成，声音通过VALL-E X生成。
-
图像制作要求使用正脸图像，嘴唇要清晰可见。
-
视频部分使用CrazyTalk软件，步骤包括导入图像、调整脸部特征和导入声音。
-
提供了示例图片和软件下载链接。
-
文本部分是整个流程中最简单的部分。
-
VALL-E X生成声音相对容易，提供了本地部署和教程视频的参考。
-
图像制作建议使用stablediffusion的controlnet的IP Adapter Full Face。
-
生成视频时需使用CrazyTalk软件，导入图片并调整面部特征。
-
导入声音时，音频长度不超过3分钟，需选择“仅嘴唇同步”的动作。
🏷️
