README.md


Real time interactive streaming digital human， realize audio video synchronous dialogue. It can basically achieve commercial effects.

实时交互流式数字人，实现音视频同步对话。基本可以达到商用效果

ernerf 效果 musetalk 效果 wav2lip 效果


为避免与 3d 数字人混淆，原项目 metahuman-stream 改名为 livetalking，原有链接地址继续可用


News


2024.12.8 完善多并发，显存不随并发数增加
2024.12.21 添加 wav2lip、musetalk 模型预热，解决第一次推理卡顿问题。感谢@heimaojinzhangyz
2024.12.28 添加数字人模型 Ultralight-Digital-Human。 感谢@lijihua2017
2025.2.7 添加 fish-speech tts
2025.2.21 添加 wav2lip256 开源模型 感谢@不蠢不蠢
2025.3.2 添加腾讯语音合成服务


Features


支持多种数字人模型: ernerf、musetalk、wav2lip、Ultralight-Digital-Human
支持声音克隆
支持数字人说话被打断
支持全身视频拼接
支持 rtmp 和 webrtc
支持视频编排：不说话时播放自定义视频
支持多并发


1. Installation

Tested on Ubuntu 20.04, Python3.10, Pytorch 1.12 and CUDA 11.3


1.1 Install dependency

conda create -n nerfstream python=3.10
conda activate nerfstream
#如果cuda版本不为11.3(运行nvidia-smi确认版本)，根据<https://pytorch.org/get-started/previous-versions/>安装对应版本的pytorch
conda install pytorch==1.12.1 torchvision==0.13.1 cudatoolkit=11.3 -c pytorch
pip install -r requirements.txt
#如果需要训练ernerf模型，安装下面的库
# pip install "git+https://github.com/facebookresearch/pytorch3d.git"
# pip install tensorflow-gpu==2.8.0
# pip install --upgrade "protobuf<=3.20.1"


安装常见问题FAQ

linux cuda 环境搭建可以参考这篇文章 https://zhuanlan.zhihu.com/p/674972886


2. Quick Start


下载模型

百度云盘https://pan.baidu.com/s/1yOsQ06-RIDTJd3HFCw4wtA 密码: ltua

GoogleDriver https://drive.google.com/drive/folders/1FOC_MD6wdogyyX_7V1d4NDIO7P9NlSAJ?usp=sharing

将 wav2lip256.pth 拷到本项目的 models 下, 重命名为 wav2lip.pth;

将 wav2lip256_avatar1.tar.gz 解压后整个文件夹拷到本项目的 data/avatars 下
运行

python app.py --transport webrtc --model wav2lip --avatar_id wav2lip256_avatar1 --preload 2


使用 GPU 启动模特 3 号：python app.py --transport webrtc --model wav2lip --avatar_id wav2lip256_avatar3 --preload 2
  用浏览器打开 http://serverip:8010/webrtcapi.html , 先点‘start',播放数字人视频；然后在文本框输入任意文字，提交。数字人播报该段文字

  服务端需要开放端口 tcp:8010; udp:1-65536 

  如果需要商用高清 wav2lip 模型，可以与我联系购买


快速体验

https://www.compshare.cn/images-detail?ImageID=compshareImage-18tpjhhxoq3j&referral_code=3XW3852OBmnD089hMMrtuU&ytag=GPU_GitHub_livetalking1.3 用该镜像创建实例即可运行成功


如果访问不了 huggingface，在运行前

export HF_ENDPOINT=https://hf-mirror.com


3. More Usage

使用说明: https://livetalking-doc.readthedocs.io/


4. Docker Run

不需要前面的安装，直接运行。

docker run --gpus all -it --network=host --rm registry.cn-beijing.aliyuncs.com/codewithgpu2/lipku-metahuman-stream:2K9qaMBu8v


代码在/root/metahuman-stream，先 git pull 拉一下最新代码，然后执行命令同第 2、3 步

提供如下镜像


autodl 镜像: https://www.codewithgpu.com/i/lipku/metahuman-stream/base

autodl 教程

ucloud 镜像: https://www.compshare.cn/images-detail?ImageID=compshareImage-18tpjhhxoq3j&referral_code=3XW3852OBmnD089hMMrtuU&ytag=GPU_livetalking1.3

可以开放任意端口，不需要另外部署 srs 服务.

ucloud 教程


5. TODO


 添加 chatgpt 实现数字人对话

 声音克隆

 数字人静音时用一段视频代替

 MuseTalk

 Wav2Lip

 Ultralight-Digital-Human


如果本项目对你有帮助，帮忙点个 star。也欢迎感兴趣的朋友一起来完善该项目.


知识星球: https://t.zsxq.com/7NMyO 沉淀高质量常见问题、最佳实践经验、问题解答
微信公众号：数字人技术