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完美匹配的说话视频。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。

开源地址：https://github.com/BadToBest/EchoMimic

☞☞☞☞☞☞  一键启动包在右侧下载  ☞☞☞☞☞☞

 

视频教程：

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

 

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 打开下载页面（https://aiyy.info/echomimic/）点击页面右侧下载按钮，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（包括音频、图片、视频等素材名称）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.exe”，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（软件默认生成1200帧也就是50秒以内视频，高于50秒需要自行调节视频长度，视频长度=视频秒数×帧速率，最大长度5000帧）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

音频需要纯人声，如果有背景音，建议先用剪映或者UVR5等工具先把背景音乐去掉

图片、音频等文件名称以及文件夹路径不要有中文！！！

图片、音频等文件名称以及文件夹路径不要有中文！！！

图片、音频等文件名称以及文件夹路径不要有中文！！！

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

 

官方案例展示：

声明： ① 本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。更多说明请参考赞助计划。 ② 本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。