会员登录 立即注册

搜索

wav2lip-384x384 训练

[复制链接]
崎山小鹿
7 天前 324 7 看全部


Wav2Lip是一种基于深度学习的人物口型生成技术,它可以将音频信号转化为对应的人物口型动画。 简单来说,就是通过分析音频信号中的语音信息,从而生成出与语音内容相匹配的口型动画。 这一技术的出现,极大地提高了虚拟数字人的逼真程度,使得观众能够获得更加真实的视听体验
选择原视频和原音频
微信截图_20241115092747.png
点击“开始生成”
微信截图_20241115092836.png
看效果

还是非常优秀的。

生成视频耗时比较长,面部有点模糊,要求视频人物不说话会支持得比较好。

判断音频和唇形在某个共同参数空间下的相似性。

推理过程
346a441b0056449e66d2a1660b74bdd2.png
1)对输入语音提取Mel特征,得到语音特征块
2)对全脸+去掉下半张脸(6* 96* 96)两组人脸提取图片特征
3)将上面两种特征输入到wav2lip网络,生成带口型的人脸
4)将带口型的人脸贴回原图,逐帧写成纯图像视频
5)用ffmpeg合成带语音的视频

Wav2Lip是一种深度学习模型,其核心思想是将音频波形直接转换为面部动画。该模型基于生成对抗网络(GAN)设计,包含生成器和判别器两个主要部分。生成器的任务是根据输入的音频波形生成逼真的面部动画,而判别器的目标是区分生成的动画与真实的面部动画。

生成器G GG负责生成目标口型的人脸图像,由三部分组成:身份编码器(Identity Encoder)、语音编码器(Speech Encoder)和人脸解码器(Face Decoder),这三部分均是由堆叠的2D卷积层组成。概括来说,生成器是一个2D卷积的编码器-解码器结构。

身份编码器的把随机参考帧R RR与先验姿势P PP(下半部分被mask的目标脸)按通道维度拼接作为输入,编码身份特征。先验姿势帧的下半部分被mask,但是提供了目标人脸的姿态信息;参考帧则包含目标人脸的完整外观,用于唇部形状和运动的合成。
语音编码器用于编码输入的语音片段
人脸解码器以编码后的音频特征与身份特征的拼接为输入,通过反卷积进行上采样,重建人脸图像。
生成器通过最小化生成帧L g L_{g}L
g

与真实帧L G L_{G}L
G

之间的L1重构损失来进行训练。

Easy-Wav2Lip是Wav2Lip的改进版本,在设计上更为简洁,执行速度更快,同时生成的视频效果更加逼真。Wav2Lip技术可以让视频中的人物根据输入的音频生成匹配的唇形动作,从而实现口型与语音同步的效果。这项技术不仅适用于静态图像,还能够对动态视频进行处理,生成与目标语音同步的视频输出。

项目源码下载地址:https://github.com/nghiakvnvsd/wav2lip384


参考:
https://blog.csdn.net/jiafeier_555/article/details/131404553
https://blog.csdn.net/weixin_42111770/article/details/134691558
天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

 楼主| 崎山小鹿 发表于 6 天前 | 显示全部楼层
项目地址:https://github.com/zhangbo2008/wav2lip384_my2/tree/main
运行:
python 0.py

ModuleNotFoundError: No module named 'cv2' (安装cv2)
pip install opencv-python

ModuleNotFoundError: No module named 'pytorch_lightning'
pip install pytorch_lightning==2.2
版本查询参考:https://blog.csdn.net/weixin_43135178/article/details/134719948

OSError: [WinError 127] 找不到指定的程序。 Error loading "C:\Users\Administrator\.pyenv\pyenv-win\versions\3.11.0b4\Lib\site-packages\torch\lib\torch_python.dll" or one of its dependencies.
是因为版本冲突,重新安装torch
pip install torch==2.0.1


Traceback (most recent call last):
  File "G:\wav2lip384_my2-main\0.py", line 11, in <module>
    raise FileNotFoundError('Save the s3fd model to face_detection/detection/sfd/s3fd.pth \
FileNotFoundError: Save the s3fd model to face_detection/detection/sfd/s3fd.pth  
                                                       before running this script!缺文件就去https://github.com/Rudrabha/Wav2Lip下载.
缺失人脸预测模型,下载地址如下:
https://www.adrianbulat.com/down ... s3fd-619a316812.pth


raise AssertionError("Torch not compiled with CUDA enabled"),问题出现在Pytorch和CUDA版本不兼容的问题上。
在python下输入如下代码查询torch的版本以及cuda的使用情况。
import torch
print(torch.__version__)
print(torch.cuda.is_available())

>>> print(torch.cuda.is_available())
False
说明cuda没有使用上。
先查看cuda安装有没有问题:nvcc -V

安装cuda
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118

安装成功
Installing collected packages: torchvision, torchaudio
Successfully installed torchaudio-2.0.2+cu118 torchvision-0.15.2+cu118
但是coda依然无法使用

切换python版本
pyenv local 3.8.0

将你的包requirements.txt内容替换如下即可
原内容:
librosa==0.7.0
numpy==1.17.1
opencv-contrib-python>=4.2.0.34
opencv-python==4.1.0.25
torch==1.1.0
torchvision==0.3.0
tqdm==4.45.0
numba==0.48

替换为:
librosa==0.9.1
numpy>=1.17.3
opencv-contrib-python>=4.4.0.44
opencv-python>=4.4.0.44
torch>=1.7.1
torchvision>=0.8.2
tqdm>=4.45.0
numba>=0.48

安装
.\py311\python.exe -m pip install -r requirements.txt

安装成功:
Installing collected packages: mpmath, zipp, urllib3, typing-extensions, threadpoolctl, sympy, pycparser, platformdirs, pillow, packaging, numpy, networkx, MarkupSafe, llvmlite, joblib, idna, fsspec, filelock, decorator, colorama, charset-normalizer, certifi, audioread, tqdm, scipy, requests, opencv-python, opencv-contrib-python, jinja2, importlib-resources, importlib-metadata, cffi, torch, soundfile, scikit-learn, pooch, numba, torchvision, resampy, librosa
Successfully installed MarkupSafe-2.1.5 audioread-3.0.1 certifi-2024.8.30 cffi-1.17.1 charset-normalizer-3.4.0 colorama-0.4.6 decorator-5.1.1 filelock-3.16.1 fsspec-2024.10.0 idna-3.10 importlib-metadata-8.5.0 importlib-resources-6.4.5 jinja2-3.1.4 joblib-1.4.2 librosa-0.9.1 llvmlite-0.41.1 mpmath-1.3.0 networkx-3.1 numba-0.58.1 numpy-1.24.4 opencv-contrib-python-4.10.0.84 opencv-python-4.10.0.84 packaging-24.2 pillow-10.4.0 platformdirs-4.3.6 pooch-1.8.2 pycparser-2.22 requests-2.32.3 resampy-0.4.3 scikit-learn-1.3.2 scipy-1.10.1 soundfile-0.12.1 sympy-1.13.3 threadpoolctl-3.5.0 torch-2.4.1 torchvision-0.19.1 tqdm-4.67.0 typing-extensions-4.12.2 urllib3-2.2.3 zipp-3.20.2



安装pytorch_lightning
.\py311\python.exe -m pip install pytorch_lightning==2.2

ModuleNotFoundError: No module named 'madgrad'

.\py311\python.exe -m pip install madgrad
天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

 楼主| 崎山小鹿 发表于 5 天前 | 显示全部楼层
数据准备
dirname = vfile.split('/')[-2]  获取视频文件所在的父级目录名称
在windows下要改为:dirname = vfile.split('\\')[-2]
天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

 楼主| 崎山小鹿 发表于 3 天前 | 显示全部楼层
1.如何继续训练
args = parser.parse_args()
args.data_root='preprocessed_root/data_train'
args.checkpoint_path='weight\syncnet\ex\syncnet_checkpoint_384_20_000001000_2024-11-17.pth'  #指向pth文件

Starting Epoch: 192
Step 1735 | 匹配距离: 0.50759006 | 训练的loss: 0.69133741 | Elapsed: 0.29146
Step 1736 | 匹配距离: 0.51199996 | 训练的loss: 0.69683099 | Elapsed: 0.28928
Step 1737 | 匹配距离: 0.51076710 | 训练的loss: 0.68507336 | Elapsed: 0.28879
Step 1738 | 匹配距离: 0.50750101 | 训练的loss: 0.68167385 | Elapsed: 0.28806
Step 1739 | 匹配距离: 0.53234613 | 训练的loss: 0.69155875 | Elapsed: 0.29036
Step 1740 | 匹配距离: 0.51680243 | 训练的loss: 0.69156281 | Elapsed: 0.28802
Step 1741 | 匹配距离: 0.51124913 | 训练的loss: 0.69502103 | Elapsed: 0.29130
Step 1742 | 匹配距离: 0.51045537 | 训练的loss: 0.69199776 | Elapsed: 0.28974
Step 1743 | 匹配距离: 0.52322632 | 训练的loss: 0.68917049 | Elapsed: 0.24466

....
Starting Epoch: 444
Step 4003 | 匹配距离: 0.51126516 | 训练的loss: 0.68903774 | Elapsed: 0.29009
Step 4004 | 匹配距离: 0.50200909 | 训练的loss: 0.69059104 | Elapsed: 0.28770
Step 4005 | 匹配距离: 0.51207262 | 训练的loss: 0.68625895 | Elapsed: 0.29122
Step 4006 | 匹配距离: 0.49329138 | 训练的loss: 0.68847434 | Elapsed: 0.29043
Step 4007 | 匹配距离: 0.50407279 | 训练的loss: 0.69101522 | Elapsed: 0.29192
Step 4008 | 匹配距离: 0.50542027 | 训练的loss: 0.68793433 | Elapsed: 0.28884
Step 4009 | 匹配距离: 0.49217993 | 训练的loss: 0.68632592 | Elapsed: 0.55635
Step 4010 | 匹配距离: 0.50614560 | 训练的loss: 0.68648742 | Elapsed: 0.28824
Step 4011 | 匹配距离: 0.49866885 | 训练的loss: 0.68737543 | Elapsed: 0.24382
...
Starting Epoch: 783
Step 7054 | 匹配距离: 0.50333560 | 训练的loss: 0.65800923 | Elapsed: 0.28490
Step 7055 | 匹配距离: 0.53165627 | 训练的loss: 0.67756063 | Elapsed: 0.28897
Step 7056 | 匹配距离: 0.52871734 | 训练的loss: 0.67071700 | Elapsed: 0.28942
Step 7057 | 匹配距离: 0.52174610 | 训练的loss: 0.67838310 | Elapsed: 0.28849
Step 7058 | 匹配距离: 0.52821171 | 训练的loss: 0.68450620 | Elapsed: 0.28570
Step 7059 | 匹配距离: 0.51026595 | 训练的loss: 0.67818476 | Elapsed: 0.28609
Step 7060 | 匹配距离: 0.50982833 | 训练的loss: 0.68188836 | Elapsed: 0.28957
Step 7061 | 匹配距离: 0.51312733 | 训练的loss: 0.68594253 | Elapsed: 0.28809
Step 7062 | 匹配距离: 0.52165699 | 训练的loss: 0.68377935 | Elapsed: 0.24286
...
Starting Epoch: 1364
Step 12283 | 匹配距离: 0.57343739 | 训练的loss: 0.55365366 | Elapsed: 0.29509
Step 12284 | 匹配距离: 0.57326496 | 训练的loss: 0.50693199 | Elapsed: 0.28757
Step 12285 | 匹配距离: 0.54513085 | 训练的loss: 0.55209452 | Elapsed: 0.28632
Step 12286 | 匹配距离: 0.60695112 | 训练的loss: 0.54509442 | Elapsed: 0.29016
Step 12287 | 匹配距离: 0.55777985 | 训练的loss: 0.51333407 | Elapsed: 0.28665
Step 12288 | 匹配距离: 0.56462640 | 训练的loss: 0.51607563 | Elapsed: 0.28436
Step 12289 | 匹配距离: 0.56502986 | 训练的loss: 0.51459684 | Elapsed: 0.28782
Step 12290 | 匹配距离: 0.54936010 | 训练的loss: 0.51605488 | Elapsed: 0.28655
Step 12291 | 匹配距离: 0.50281435 | 训练的loss: 0.50442045 | Elapsed: 0.24306

Starting Epoch: 1664
Step 14983 | 匹配距离: 0.58541220 | 训练的loss: 0.37393424 | Elapsed: 0.28545
Step 14984 | 匹配距离: 0.53610981 | 训练的loss: 0.40302016 | Elapsed: 0.28543
Step 14985 | 匹配距离: 0.56843281 | 训练的loss: 0.40845988 | Elapsed: 0.28603
Step 14986 | 匹配距离: 0.48422274 | 训练的loss: 0.46699280 | Elapsed: 0.28502
Step 14987 | 匹配距离: 0.47270060 | 训练的loss: 0.44309311 | Elapsed: 0.28897
Step 14988 | 匹配距离: 0.45259857 | 训练的loss: 0.44221727 | Elapsed: 0.28769
Step 14989 | 匹配距离: 0.54535687 | 训练的loss: 0.43758143 | Elapsed: 0.29024
Step 14990 | 匹配距离: 0.52461076 | 训练的loss: 0.43484580 | Elapsed: 0.28735
Step 14991 | 匹配距离: 0.53885031 | 训练的loss: 0.44334152 | Elapsed: 0.24288
.........

Starting Epoch: 2389
Step 21508 | 匹配距离: 0.71192873 | 训练的loss: 0.41813803 | Elapsed: 0.28717
Step 21509 | 匹配距离: 0.52510750 | 训练的loss: 0.37228875 | Elapsed: 0.28779
Step 21510 | 匹配距离: 0.63242674 | 训练的loss: 0.38296620 | Elapsed: 0.28481
Step 21511 | 匹配距离: 0.54061782 | 训练的loss: 0.38724818 | Elapsed: 0.28677
Step 21512 | 匹配距离: 0.48220319 | 训练的loss: 0.36000472 | Elapsed: 0.28757
Step 21513 | 匹配距离: 0.46429271 | 训练的loss: 0.36180741 | Elapsed: 0.28695
Step 21514 | 匹配距离: 0.58595175 | 训练的loss: 0.35611003 | Elapsed: 0.28658
Step 21515 | 匹配距离: 0.50376695 | 训练的loss: 0.36526604 | Elapsed: 0.28743
Step 21516 | 匹配距离: 0.54057419 | 训练的loss: 0.36751661 | Elapsed: 0.24241

Starting Epoch: 2793
Step 25146 | 匹配距离: 0.44877583 | 训练的loss: 0.21089049 | Elapsed: 0.15893
Step 25147 | 匹配距离: 0.48344937 | 训练的loss: 0.25410130 | Elapsed: 0.15777
Step 25148 | 匹配距离: 0.47677571 | 训练的loss: 0.23753819 | Elapsed: 0.16059
Step 25149 | 匹配距离: 0.44093186 | 训练的loss: 0.26700724 | Elapsed: 0.16053
Step 25150 | 匹配距离: 0.46812922 | 训练的loss: 0.28957331 | Elapsed: 0.15844
Step 25151 | 匹配距离: 0.53069514 | 训练的loss: 0.30263550 | Elapsed: 0.15868
Step 25152 | 匹配距离: 0.39603579 | 训练的loss: 0.29224615 | Elapsed: 0.16240
Step 25153 | 匹配距离: 0.50420249 | 训练的loss: 0.27668429 | Elapsed: 0.15897
Step 25154 | 匹配距离: 0.52901316 | 训练的loss: 0.29709162 | Elapsed: 0.13270


用中文视频训练
Starting Epoch: 2524
Step 15145 | 匹配距离: 0.50590456 | 训练的loss: 0.69011039 | Elapsed: 0.15929
Step 15146 | 匹配距离: 0.49980560 | 训练的loss: 0.69497928 | Elapsed: 0.16084
Step 15147 | 匹配距离: 0.50023448 | 训练的loss: 0.69176924 | Elapsed: 0.16005
Step 15148 | 匹配距离: 0.49571234 | 训练的loss: 0.69221005 | Elapsed: 0.15994
Step 15149 | 匹配距离: 0.50385892 | 训练的loss: 0.68767790 | Elapsed: 0.15820
Step 15150 | 匹配距离: 0.51316613 | 训练的loss: 0.68791019 | Elapsed: 0.11010
loss值很难降下来


Starting Epoch: 3381
Step 20287 | 匹配距离: 0.50526577 | 训练的loss: 0.68318969 | Elapsed: 0.17110
Step 20288 | 匹配距离: 0.50281340 | 训练的loss: 0.69084337 | Elapsed: 0.15921
Step 20289 | 匹配距离: 0.50383836 | 训练的loss: 0.69147948 | Elapsed: 0.16162
Step 20290 | 匹配距离: 0.49973226 | 训练的loss: 0.69041717 | Elapsed: 0.15918
Step 20291 | 匹配距离: 0.50037104 | 训练的loss: 0.69083352 | Elapsed: 0.16043
Step 20292 | 匹配距离: 0.50758862 | 训练的loss: 0.69422011 | Elapsed: 0.10801
天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

 楼主| 崎山小鹿 发表于 3 天前 | 显示全部楼层
2.如何继续训练
继续训练的关键代码:
args.syncnet_checkpoint_path='weight\syncnet\ex\syncnet_checkpoint_384_20_000021500_2024-11-18.pth'
args.checkpoint_path='weight\wav\ex_wav2lip_margin\gen_last_wav128_1e4.pth'  #继续训练
args.data_root='preprocessed_root/data_train'

Load checkpoint from: weight\syncnet\ex\syncnet_checkpoint_384_20_000021500_2024-11-18.pth
G:\wav2lip384_my2-main\2.py:684: FutureWarning: You are using `torch.load` with `weights_only=False` (the current default value), which uses the default pickle module implicitly. It is possible to construct malicious pickle data which will execute arbitrary code during unpickling (See https://github.com/pytorch/pytor ... md#untrusted-models for more details). In a future release, the default value for `weights_only` will be flipped to `True`. This limits the functions that could be executed during unpickling. Arbitrary objects will no longer be allowed to be loaded via this mode unless they are explicitly allowlisted by the user via `torch.serialization.add_safe_globals`. We recommend you start setting `weights_only=True` for any use case where you don't have full control of the loaded file. Please open an issue on GitHub for any issues related to this experimental feature.
  checkpoint = torch.load(checkpoint_path)
total wav2lip trainable params 159087803
total disc trainable params 43082817
total syncnet  params 65054464
Starting Epoch: 0
G:\wav2lip384_my2-main\2.py:406: FutureWarning: `torch.cuda.amp.autocast(args...)` is deprecated. Please use `torch.amp.autocast('cuda', args...)` instead.
  with torch.cuda.amp.autocast(enabled=False):
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
G:\wav2lip384_my2-main\2.py:429: FutureWarning: `torch.cuda.amp.autocast(args...)` is deprecated. Please use `torch.amp.autocast('cuda', args...)` instead.
  with torch.cuda.amp.autocast(enabled=False):
Step 1 | L1: 2.40438 | Sync_wt: 0.0030 Sync: 0.421151, Percep: 0.703886 | Fake: 0.682866, Real: 0.709179 | Load: 0.208103, Train: 3.14551
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
...
Starting Epoch: 44
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 221 | L1: 0.408767 | Sync_wt: 0.0300 Sync: 0.973213, Percep: 0.224766 | Fake: 1.93283, Real: 0.0268605 | Load: 0.17092, Train: 2.21316
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 222 | L1: 0.477655 | Sync_wt: 0.0300 Sync: 1.43658, Percep: 2.60373 | Fake: 0.971099, Real: 0.876769 | Load: 0.187253, Train: 1.71426
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 223 | L1: 0.491983 | Sync_wt: 0.0300 Sync: 1.46766, Percep: 3.08503 | Fake: 0.654007, Real: 0.707941 | Load: 0.183522, Train: 1.88717
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 224 | L1: 0.503687 | Sync_wt: 0.0300 Sync: 1.37013, Percep: 3.26725 | Fake: 0.496582, Real: 0.618142 | Load: 0.170331, Train: 1.87882
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 225 | L1: 0.506882 | Sync_wt: 0.0300 Sync: 1.16493, Percep: 3.3811 | Fake: 0.402043, Real: 0.513971 | Load: 0.169339, Train: 1.88462
torch.Size([1, 3, 5, 384, 384])
torch.Size([1, 3, 5, 192, 384])

...
Starting Epoch: 473
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2366 | L1: 0.231807 | Sync_wt: 0.0300 Sync: 1.22511, Percep: 1.69847 | Fake: 0.206287, Real: 0.589591 | Load: 0.176917, Train: 2.5686
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2367 | L1: 0.205227 | Sync_wt: 0.0300 Sync: 1.29311, Percep: 2.06025 | Fake: 0.435907, Real: 0.298213 | Load: 0.199886, Train: 1.97014
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2368 | L1: 0.220921 | Sync_wt: 0.0300 Sync: 0.943628, Percep: 2.31971 | Fake: 0.321806, Real: 0.293943 | Load: 0.19954, Train: 2.16911
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2369 | L1: 0.22782 | Sync_wt: 0.0300 Sync: 1.16881, Percep: 2.55586 | Fake: 0.251937, Real: 0.311174 | Load: 0.177899, Train: 2.17077
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2370 | L1: 0.250215 | Sync_wt: 0.0300 Sync: 1.4198, Percep: 2.47995 | Fake: 0.226859, Real: 0.291268 | Load: 0.173385, Train: 2.11635
torch.Size([1, 3, 5, 384, 384])
torch.Size([1, 3, 5, 192, 384])


Starting Epoch: 569
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2846 | L1: 0.225897 | Sync_wt: 0.0300 Sync: 0.53349, Percep: 2.02565 | Fake: 0.151527, Real: 0.0176994 | Load: 0.176329, Train: 2.2614
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2847 | L1: 0.23254 | Sync_wt: 0.0300 Sync: 0.889151, Percep: 2.03761 | Fake: 0.186591, Real: 0.0162578 | Load: 0.190352, Train: 1.75833
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2848 | L1: 0.251053 | Sync_wt: 0.0300 Sync: 0.725673, Percep: 2.00203 | Fake: 0.228083, Real: 0.015268 | Load: 0.177649, Train: 1.92353
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2849 | L1: 0.251991 | Sync_wt: 0.0300 Sync: 0.698621, Percep: 2.0589 | Fake: 0.241014, Real: 0.0180526 | Load: 0.179897, Train: 1.88287
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 2850 | L1: 0.253426 | Sync_wt: 0.0300 Sync: 0.615678, Percep: 2.68241 | Fake: 0.194633, Real: 0.132936 | Load: 0.185898, Train: 1.98481
torch.Size([1, 3, 5, 384, 384])
torch.Size([1, 3, 5, 192, 384])

Starting Epoch: 758
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 3791 | L1: 0.206628 | Sync_wt: 0.0300 Sync: 0.935533, Percep: 5.11073 | Fake: 0.00862205, Real: 0.00432247 | Load: 0.16981, Train: 2.25067
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 3792 | L1: 0.250087 | Sync_wt: 0.0300 Sync: 0.695988, Percep: 4.94466 | Fake: 0.00982878, Real: 0.00432828 | Load: 0.212077, Train: 1.79654
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 3793 | L1: 0.232677 | Sync_wt: 0.0300 Sync: 0.613124, Percep: 4.96901 | Fake: 0.00963348, Real: 0.00433 | Load: 0.1809, Train: 1.96615
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 3794 | L1: 0.23422 | Sync_wt: 0.0300 Sync: 0.582902, Percep: 5.00178 | Fake: 0.00941184, Real: 0.00435563 | Load: 0.190866, Train: 1.94068
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 3795 | L1: 0.240213 | Sync_wt: 0.0300 Sync: 0.695015, Percep: 5.009 | Fake: 0.00937021, Real: 0.00435027 | Load: 0.182902, Train: 1.92828
torch.Size([1, 3, 5, 384, 384])
torch.Size([1, 3, 5, 192, 384])

Starting Epoch: 929
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 4646 | L1: 0.235182 | Sync_wt: 0.0300 Sync: 1.34508, Percep: 1.38635 | Fake: 0.795776, Real: 0.277558 | Load: 0.165917, Train: 2.22869
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 4647 | L1: 0.228566 | Sync_wt: 0.0300 Sync: 0.868533, Percep: 1.33973 | Fake: 0.59392, Real: 0.170588 | Load: 0.186512, Train: 1.7112
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 4648 | L1: 0.226583 | Sync_wt: 0.0300 Sync: 1.14048, Percep: 1.73176 | Fake: 0.458232, Real: 0.278667 | Load: 0.176913, Train: 1.89952
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])
Step 4649 | L1: 0.229176 | Sync_wt: 0.0300 Sync: 0.885194, Percep: 2.20822 | Fake: 0.353763, Real: 0.230063 | Load: 0.162894, Train: 1.88558
torch.Size([2, 3, 5, 384, 384])
torch.Size([2, 3, 5, 192, 384])

天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

 楼主| 崎山小鹿 发表于 前天 18:22 | 显示全部楼层
崎山小鹿
前天 18:22 看全部
3.推理
遇到两个问题
1.百叶窗问题
2.嘴巴不动的问题
3.脸对齐问题
天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

 楼主| 崎山小鹿 发表于 前天 20:03 | 显示全部楼层
崎山小鹿
前天 20:03 看全部
项目地址:https://github.com/primepake/wav2lip_288x288
错误:
from torchsummary import summary
ModuleNotFoundError: No module named 'torchsummary'
torchsummary 可以做Pytorch可视化,输出网络相关信息
解决:
.\py311\python.exe -m pip install torchsummary




问题:
Epoch time: 9.189886331558228
Starting Epoch: 35
use_cuda: True
use_cuda: True
use_cuda: True
use_cuda: True
天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

 楼主| 崎山小鹿 发表于 昨天 09:02 | 显示全部楼层
崎山小鹿
昨天 09:02 看全部
Wav2Lip 原项目:https://github.com/Rudrabha/Wav2Lip

Wav2Lip 在Sync Labs免费托管  https://platform.sync.so/   

colab服务器代码:
https://colab.research.google.co ... rollTo=KoVGMtjRZfeR

https://colab.research.google.co ... rollTo=jR5utmDMcSZY

gan模型下载:https://iiitaphyd-my.sharepoint. ... p%5FModels&ga=1



报错:
Wav2Lip 报错TypeError: mel() takes 0 positional arguments but 2 positional arguments (and 3 keyword-only arguments) were given
解决:
应该是librosa版本的问题,但是老版本的安装上不上,我一直很苦恼怎么解决这个问题
修复此问题不走:

修改依赖版本号:
librosa==0.10.1
numpy==1.24.3
opencv-contrib-python>=4.2.0.34
opencv-python>=4.7.0.72
torch==1.11.0
torchvision==0.12.0
tqdm==4.45.0
numba==0.59.0
修改audio.py 第一百行代码:
return librosa.filters.mel(sr=hp.sample_rate, n_fft=hp.n_fft, n_mels=hp.num_mels,
fmin=hp.fmin, fmax=hp.fmax)
调整参数 在运行 就没问题了。


前面 预处理数据集
在video中准备好要训练得源视频文件
python preprocess.py --data_root video/ --preprocessed_root filelists/
将 LRS2 文件列表(train、val、test).txt文件放在文件夹中filelists/

第一步 训练专家鉴别器
python color_syncnet_train.py --data_root lrs2_preprocessed/ --checkpoint_dir <folder_to_save_checkpoints>

第二步 训练 Wav2Lip 模型
python wav2lip_train.py --data_root lrs2_preprocessed/ --checkpoint_dir <folder_to_save_checkpoints> --syncnet_checkpoint_path <path_to_expert_disc_checkpoint>
要使用视觉质量鉴别器进行训练,您应该hq_wav2lip_train.py

第三部 推理
您可以将任意视频与任意音频进行口型同步
python inference.py --checkpoint_path <ckpt> --face <video.mp4> --audio <an-audio-source>

结果(默认)保存在 中results/result_voice.mp4。您可以将其指定为参数,类似于其他几个可用选项。音频源可以是任何受支持的包含FFMPEG音频数据的文件:*.wav,*.mp3甚至是视频文件,代码将自动从中提取音频


专家鉴别器的评估损失应降至约 0.25,Wav2Lip 评估同步损失应降至约 0.2,以获得良好的结果。
天不生墨翟,万古如长夜!以墨运商,以商助墨。金双石科技长期招聘科技研发人才!微信:qishanxiaolu   电话:15876572365   公司:深圳市金双石科技有限公司
回复

使用道具 举报

  • 您可能感兴趣
您需要登录后才可以回帖 登录 | 立即注册 |

本版积分规则 返回列表

管理员给TA私信
以墨运商,以商助墨。

查看:324 | 回复:7

  • 高真实感的人物形象SyncTalk

    SyncTalk是一种基于NeRF的高同步性说话人合成方法,专门针对提升说话人视频真实感和

    阅读:53|2024-11-20
  • wav2lip-384x384  训练

    Wav2Lip是一种基于深度学习的人物口型生成技术,它可以将音频信号转化为对应的人物

    阅读:307|2024-11-14
  • 去掉视频中的字幕-牛片网字幕抹除

    有时候我们需要去掉视频中的字幕,可以使用牛片网的字幕抹除功能 项目地址:https://w

    阅读:377|2024-11-07
  • 程序员的出图神器ComfyUI

    ComfyUI 是一个强大且模块化的 Stable Diffusion 操作界面,与我们熟知的 WebUI 在底

    阅读:419|2024-11-05
  • 平面2D数字人王者DH_live

    每个人都能用的数字人 一、项目地址:https://github.com/kleinlee/DH_live 目前我们

    阅读:648|2024-11-05
  • 向日葵智能阳光导入系统

    向日葵智能阳光导入系统,方便部署在野外、山坡,沼泽给光线不足的地区带去阳光,有了

    阅读:427|2024-11-05
  • 大饼AI变声

    你想男声变女声吗?你想女声变男声吗?实现声音自由可以使用大饼AI变声。 官网地址:h

    阅读:372|2024-11-04
  • 变声软件VTUBESOUND

    软件地址:https://www.vtubesound.com/ 主要功能: 软件目前支持Windows所有版本

    阅读:412|2024-11-04
  • 诚聘版主

    有人在论坛发了十几篇广告,幸好及时发现并全部删除, 诚聘版主,欢迎喜欢这个网站

    阅读:452|2024-11-02
  • 可视化神经网络训练tensorflow.org

    通过图像和动画的形式,解释深度学习是如何一步步简化复杂的事物的。 能够设置数据

    阅读:619|2024-11-01
金双石科技,软件开发20年,技术行业领先,您的满意,就是我们的目标,认真负责,开拓进取,让成品物超所值
关于我们
公司简介
发展历程
联系我们
本站站务
友情链接
新手指南
内容审核
商家合作
广告合作
商家入驻
新闻合作

手机APP

官方微博

官方微信

联系电话:15876572365 地址:深圳市宝安区西乡街道宝民二路宝民花园 ( 粤ICP备2021100124号-1 ) 邮箱:qishanxiaolu@qq.com
QQ|Powered by Discuz! X3.5 © 2001-2024 Discuz! Team.
快速回复 返回顶部 返回列表