文章主题：
去年西安交通大学开源了SadTalker模型，图片+音频可以生成视频，也就是会说话、会唱歌的数字人。这是Stable Diffusion的插件，网上也有很多安装教程了，看了教程还是要自己亲自装一次才更熟悉，数字人的效果在文末。
这是安装成功之后的界面
SadTalker会让照片的人像开口说话，我们称之为照片数字人，部署这套工具，需要准备哪些软硬件。
（1）一台有GPU的电脑主机，我用的是带有3060（12G显存）的，I5的CPU（很老），16G内存，装Windows 10专业版操作系统。
（2）部署Stable Diffusion，这个在前面的文章中有介绍，可以先看这篇（【保姆式教程】搭建属于自己的AI绘图工具——Stable Diffusion部署），这个建议部署起来，后面我们会介绍很多这个平台的插件，国内很多画图AI工具也是以这个为基础。
（3）下载SadTalker模型、ffmpeg软件。公众号回复SadTalker或数字人获取下载链接下载。
接下来开始安装，安装步骤也比较简单，按照下面步骤就可以。
1、在Stable Diffusion WebUI上安装SadTalker插件
。在Extensions中，进入Install from URL选项卡，在URL栏中输入
https://github.com/winfredy/sadtalker，然后点击Install。
Install成功之后，在Installed选项卡中，点击Apply and restart UI，稍等片刻，会看到SadTalker菜单。
2、模型安装。把我们下载的模型放在相应位置就可以了。
（1）把这些*.pth和*.pth.tar文件拷贝到stable-diffusion-webui\extensions\SadTalker\checkpoints目录，如果没有chekpoints目录，需要先创建目录。
（2）把BFM_Fitting和hub以及dat文件拷贝到stable-diffusion-webui\extensions\SadTalker目录。
3、安装ffmpeg，解压ffmpeg的压缩包，然后在环境变量Path中添加ffmpeg的bin路径。我在解压ffmpeg之后，放在了D盘，就可以这么设置。
以上安装完成，接下来就可以试试能否正常生成数字人，在生成数字人之前，我们需要先生成一段语音或者歌声。
生成音频可以用TTS或克隆自己声音等方式，如果大家感兴趣，可以私信，到时专门出个如何克隆自己的声音。这里我们可以用一个在线tts生成音频http://www.ttsgpt.cn/。
音频和图片都准备好了之后，就可以在WebUI界面上上传图片、音频，参数选择，这里说下preprocess参数，默认是只有一个头部，选择full、extfull等参数可以展示完整的人像。
最后来看看效果，对嘴型还差点意思，这也是现在照片数字人正在努力改进的。如果你也想自己动手搭建，那就试试吧。
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
