AI数字人：口播与唇形同步的福音，支持本地部署/批量生成/口齿清晰

Heygem：开源前端界面的老六玩家

好消息！Heygem 在 GitHub 上开源了！不过，嘻嘻，只是前端界面开源，感觉更像是来 GitHub 刷一波知名度。不过这依然是个值得关注的工具。让我们先来看看它的官方介绍：

Heygem 是一款专为 Windows 系统打造的完全离线视频合成工具。它能精确克隆你的外貌和声音，将你的形象数字化。通过文字或语音驱动虚拟化身，你可以轻松制作视频。无需网络连接，在保护隐私的同时，享受高效便捷的数字体验。

核心功能

1. 精准外貌与语音克隆
    借助先进的 AI 算法，Heygem 高精度捕捉五官、轮廓等特征，构建逼真的虚拟模型。同时，它还能克隆语音，捕捉人声的细微特征，支持多种语音参数设置，打造高度相似的音色效果。
   
   
2. 文字及语音驱动的虚拟化身
    通过自然语言处理技术，Heygem 能将文本转化为流畅自然的语音，驱动虚拟化身开口“说话”。你也可以直接输入语音，虚拟化身会根据语音的节奏和语调，同步做出相应的动作和表情，表现更加生动。
   
   
3. 高效视频合成
    数字人视频画面与声音高度同步，口型匹配自然流畅，智能优化音视频效果，带来极佳的视听体验。
   
   
4. 多语言支持
    支持八种语言脚本：英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语，满足全球化需求。
   
   

主要优势

• 完全离线操作：无需联网，保护用户隐私，避免数据泄露风险。
  
  
• 用户友好：界面简洁直观，即使是技术小白也能快速上手。
  
  
• 多模型支持：支持导入多种模型，并通过一键启动包管理，灵活适配不同创作场景。
  
  

技术支撑

• 语音克隆技术：基于 AI 生成与样本高度相似的语音，涵盖语调、语速等细节。
  
  
• 自动语音识别：将语音转化为文本，让计算机“听懂”你的指令。
  
  
• 计算机视觉技术：用于面部识别和唇部运动分析，确保唇形与语音完美匹配。
  
  

更棒的是，Heygem 还支持通过 Docker 进行本地部署，部署后甚至可以批量生成视频！下面我来详细讲讲如何在 Windows 上实现本地部署。

Windows 本地部署 Heygem 教程

步骤 1：安装 WSL

1. 打开 PowerShell（在任务栏搜索“PowerShell”即可找到）。
   
   
   
2. 输入以下指令并回车：wsl –install 
   
   
3. 安装完成后，重启系统。
   
   
4. 重启后再次打开 PowerShell，输入以下指令 WSL： wsl –update 检查是否安装成功，如下图则成功安装
   
   
   

步骤 2：安装 Docker

1. 前往 Docker 官网下载适用于 Windows 的版本（通常为 Windows AMD64）。
   
   
   
2. 下载完成后安装，接受协议，首次运行时可跳过登录。
   
   
3. 打开设置，调整镜像存储位置，镜像文件比较大70~80G，选择合适的盘，设置完成后点击“Apply & Restart”。
   
   

步骤 3：部署 Heygem

1. 前往 Heygem github官网 https://github.com/GuijiAI/HeyGem.ai/tree/main/deploy，下载 Docker 部署文件。
    你无需关心文件内容，只需使用 Docker 指令即可。
   
   
   
   
2. 进入下载文件夹，在地址栏输入 cmd 并回车，打开命令行窗口。
   
   
   
3. 在命令行输入以下指令： docker-compose up -d 这条指令会创建并启动容器，以后台模式运行。
    根据网络情况好坏，下载镜像可能需要 1-2 小时（建议全程科学上网）。 
   
   
4. 下载完成后，打开 Docker Desktop，在“Containers”中确认三个镜像正常运行（正确运行图标为正方形而非三角形）。
   [Docker Desktop 中三个镜像运行状态截图]
   
   

至此，Heygem 的后端服务已部署完成。因为关键操作（如唇形同步模型）都集成在 Docker 。

步骤 4：安装前端界面

1. 前往 GitHub 上的 Heygem 托管页面，下载运行界面 EXE 程序。
   [GitHub 下载界面截图] 
   https://github.com/GuijiAI/HeyGem.ai/releases
   
   
2. 下载并安装后即可使用。
   
   

使用 Heygem 打造数字人

1. 快速定制数字模特
    点击“快速定制”，输入模特名称，上传模特视频，点击提交。稍等片刻，回到主页即可在“我的数字模特”中看到结果。
   
   
2. 生成视频
    鼠标移到数字模特上，点击“做视频”按钮，进入编辑界面。
    你可以输入文本或上传音频生成视频。
   
   

• 
  
• 文本合成：仅提供一种音色，略显机械。
• 
  
• 音频推荐：使用 CosyVoice 一键包克隆音色，上传音频后再合成，效果更自然。CosyVoice 一键包下载地址在以前的文章中有讲过，下载解压即可使用

1. 批量生成与常见问题
    Heygem 支持批量生成，但前一个视频未完成时，后续任务会排队。
   
   
2. 如果长时间卡在 20%：
   [生成进度卡在 20% 的截图]

• 
  
• 检查显卡占用，一般来说你的显卡比较好，是不需要太长时间。如果长时间卡在20%，注意是长时间。
  
  [显卡占用截图]
  
  
• 若卡住，前往用户 AppData 目录删除软件数据库，重新上传模特和素材即可。
  

网页版 AI 数字人：Humva.com

除了 Heygem，还有一个网页工具——Humva.com。它能通过单张图片生成数字人，还支持更换场景和衣着！

使用方法

1. 进入 Humva.com，点击“Create Avatar”。
   
   
   
   
2. 上传一张头像，生成数字人模特。
   
   
   
3. 选择音色（默认提供几种，或上传音频），挑选主题场景（如工作室、户外、卡通等）和衣着风格。
   
   
   
   
   
4. 等待生成后，在“我的头像”中查看不同风格的数字人。
   
   
   
   
5. 点击进入，使用文本或音频生成视频。

总结

Heygem 和 Humva 各有千秋：

• Heygem 适合需要离线操作和本地部署的用户，功能强大且隐私有保障。
  
  
• Humva 则更轻便，基于网页即可实现多样化数字人创作。
  
  

无论是口播视频还是唇形同步，AI 数字人正在改变我们的创作方式。