QQ扫一扫联系
Wav2Lip 是一个经典的基于深度学习的语音驱动唇动同步（Lip-Sync）模型（ACM MM 2020 论文），能够根据输入音频生成与之高度同步的唇动视频，使视频中的人物口型与音频内容精确匹配，产生更自然真实的口型运动。
视频配音口型同步、数字人/虚拟角色口型生成、影视与短视频二创、多语种视频本地化配音等。
效果可参考：https://github.com/Rudrabha/Wav2Lip
✅ 修复：部分电脑因系统全局 Python 环境中的旧包干扰，导致视频对口型推理无法启动的问题
✅ 修复：高分辨率视频（1080P 及以上）对口型推理长时间无响应、看上去卡死的问题
✅ 优化：人脸检测按显卡显存自动调整处理分辨率与批大小，高分辨率视频推理速度大幅提升
✅ 优化：人脸区域羽化遮罩按尺寸复用，避免逐帧重复计算
✅ 新增：模型文件统一下载到项目本地模型目录，推理时离线加载，启动更稳定可靠
✅ 新增：支持 N 卡 50 系列及以上显卡（初始化与构建流程升级为 CUDA 128 版本 PyTorch）
✅ 优化：推理模型加载逻辑优化，模型缺失时自动回退备用权重
✅ 优化：测试流程通过启动器运行，并自动校验输出文件真实存在
