Heygem 离线数字人视频生成模型

介绍

Heygem（亦写作 HeyGem）是由硅基智能（南京硅基智能科技）开源的一款数字人视频生成模型，专注于打造完全本地化、离线运行的数字人克隆与视频合成方案。它只需用户提供 1 秒视频或 1 张照片，即可快速克隆人物形象与声音，随后通过输入文字或语音驱动数字人开口说话，生成口型与语音 100% 匹配、画质超高清的视频内容。

在技术层面，Heygem 融合了人脸检测与重建、声音克隆、唇形驱动与视频合成等多项技术：形象克隆环节从极短素材中提取人物外貌特征，声音克隆环节复刻说话人音色，视频合成环节则根据输入语音逐帧驱动面部区域，确保唇形动作与发音精确对应。由于整个流程可完全在本地离线运行，用户数据不会上传云端，兼顾了隐私安全与使用稳定性。

Heygem 定位于数字人视频创作领域，适合对数据隐私与视频质量均有较高要求的用户。它在 AIGCPanel 模型市场提供一键运行包（VIP/SVIP 权益），支持 Windows（x86）与 Linux（x86）平台，GPU 需求为 16G 及以上，是本地部署数字人工作流的重要选择。

主要功能

• 快速形象克隆：仅需 1 秒视频或 1 张照片即可完成人物形象克隆，无需长时间采集素材。
• 声音克隆：同步复刻目标人物的音色与说话特征，实现形象与声音的一致性。
• 100% 口型匹配：根据输入语音精确驱动唇部动作，口型与发音完全对齐。
• 文字 / 语音驱动：支持输入文字或语音驱动数字人开口，灵活适配不同内容形式。
• 超高清视频合成：输出高分辨率、画质清晰的数字人视频，满足成品级内容需求。
• 全离线运行：整个合成流程在本地完成，无需联网，保障数据隐私与使用稳定性。

特点

• 极低素材门槛：1 秒视频 / 1 张照片即可克隆，极大简化数字人制作的素材准备流程。
• 口型精准：唇形驱动算法精细，口型与语音 100% 匹配，观感自然真实。
• 离线安全：支持全离线运行，数据不出本地，适合对隐私敏感的企业与个人用户。
• 超高清输出：视频合成质量高，画面清晰细腻，可直接用于对外发布的内容。
• 形象声音一体：同时克隆形象与声音，数字人"形声合一"，提升真实感与沉浸感。

应用场景

• 企业宣传与产品介绍：快速制作数字人出镜的宣传视频，降低拍摄与出镜成本。
• 在线教育与知识分享：生成讲师数字人授课视频，实现课程内容的批量产出。
• 短视频与自媒体：为口播类短视频提供数字人形象，保持高频稳定的内容更新。
• 虚拟助手与客服：打造具备形象与声音的虚拟交互形象，提升服务亲和力。
• 本地化内容生产：在数据合规要求高的场景（如医疗、金融、政务）中离线生成视频内容。

在 AIGCPanel 中的使用

1. 前往 AIGCPanel 官方模型市场页面：Heygem 模型市场，下载对应平台的一键运行包。
2. 将下载的压缩包解压到纯英文路径下，确保模型与依赖正常加载。
3. 打开 AIGCPanel，在「AI模型」页面选择「添加本地模型」，指向解压后的模型目录并完成加载。
4. 启动模型后，在「视频合成」等功能模块中选择 Heygem，上传形象素材与驱动语音，生成数字人视频。

硬件要求

GitHub 链接

Heygem GitHub