EchoMimic：一张照片说话动起来！音频驱动图像数字人工具，附一键启动包！

本期带来蚂蚁集团最新推出的音频驱动图像数字人工具——EchoMimic

EchoMimic是阿里巴巴达摩院开发的一项AI技术，能够通过给定的音频和一张面部照片，生成与音频口型动作匹配的说话或者唱歌视频，做口播视频或者趣味唱歌视频都可以。该技术在娱乐、教育、虚拟现实和在线会议等领域有广泛应用前景。

工具已打包好，文末获取。

 软件功能：

• 口型同步生成：通过音频和面部照片，生成口型动作与语音完美匹配的视频。
• 自然逼真：融合音频和面部标志点特征，生成的面部动画符合真实面部运动和表情变化。
• 多语言支持：支持多种语言和风格的口型同步，包括普通话、英语和歌唱。

应用场景：

• 娱乐：生成电影、电视和游戏中的角色对话，增强观众体验。
• 教育：创建互动教学视频，提高学习效果。
• 虚拟现实：在VR环境中生成逼真的面部动画，提升用户沉浸感。
• 在线会议：生成与音频同步的口型动画，提高远程交流效果。
• 增强现实：在AR应用中生成逼真的面部动画，增强用户互动体验。

配置要求：

建议电脑满足以下配置：

• 操作系统：Windows 10/11 64位
• 显卡：至少8G显存的英伟达（NVIDIA）显卡，显卡性能越高生成速度越快，条件充足就上4090系。

 如何查看显卡品牌型号和显存：

• 打开任务管理器
• 点击“性能”
• 点击“GPU”
• 右上角可以看到显卡型号，下方可以看到显存大小

  使用教程：

① 文末下载整合包之后解压，建议使用winrar解压（解压软件下载地址：https://www.winrar.com.cn/）

注意：文件夹路径和文件名称不要出现中文字符，否则部分软件会因识别不出而报错

② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面

③ 上传图片，上传音频，可以调整参数，或保持默认，点击提交，生成结果会位于右侧上传图片的素材要求人形正脸，五官清晰可见，可参考本页面底部官方案例④ 可以播放查看，点击右上角下载按钮可以保存至指定文件夹

# 案例展示：

小编上传音频时点错了，选了个男声，听起来是不是有点……

小编是用官方的案例库生成的，但仅仅是5s的视频用的4060显卡（笔电8G），足足运算了15min，整个过程风扇一直在疯狂咆哮，电脑局部温度达75°C,因此，小编建议一定最好要台式电脑（推荐配置4090 ＋ 64GRam ＋水冷散热），并且室内打开空调，这样才能发挥最大性能！

启动包下载：