I_am_a_person

实时互动GPT数字人

零. 数据预处理

1. 视频分段
   • TransNetV2：最好的镜头分割模型
2. 人脸人体检测识别
   • insightface + buffalo_l：人脸检测、识别、对齐、人脸属性。
   • https://github.com/1adrianb/face-alignment：里面有人脸检测和对齐。 wav2lip用的这个
   • yolov8n-face：wav2lip-256用的这个
   • openface：dinet用的这个
   • SCRFD ： udh用的这个
   • mediapipe..solutions.face_detection : DH_Live用的
   • yoloface_v5m: sonic用的
3. 数字人音频特征模型
4. 分割与抠图Matting
   • 最强AI一键抠图，BiRefNet V2
   • segnext
   • paddleseg
   • face-parsing
   • DeepLabV3
   • https://github.com/PeterL1n/RobustVideoMatting
   • 最强AI一键抠图，BiRefNet V2
   • SAM2
   • https://github.com/ZHKKKe/MODNet
   • segformer
   • efficientvit-seg
   • 后期用 guidedfiler 或 jointbilinearfilter
5. 去字幕
   • https://github.com/YaoFANGUK/video-subtitle-remover
6. 表情识别
   • 基于图像的：
     • https://github.com/WiseGeorge/Fast-Facial-Emotion-Monitoring-FFEM-Package
   • 基于文本的：gpt
7. ocr
   • https://github.com/Ucas-HaoranWei/GOT-OCR2.0.git
   • https://github.com/PaddlePaddle/PaddleOCR
   • https://github.com/jingsongliujing/OnnxOCR
   • https://kekxv.github.io/2022/07/30/OCR-人脸算法-opencv-dnn/
8. 图像视频风格转换
   • ebsynth

一. 数字人形象生成与定制

1. 视频生成
2. 换脸
3. AI绘图（stableDiffusion）
   • AI绘图系列
   • AI绘画的应用方向
   • sd，mj，flux，即梦
4. 写真生成
   • https://github.com/modelscope/facechain.git

二. 数字人输入--语音识别

1. AI语音-01-概述
2. k2语音识别.md
3. whisper
4. funasr+Paraformer:https://github.com/modelscope/FunASR
5. SenseVoice：https://github.com/FunAudioLLM/SenseVoice
6. wenet

三. 数字人大脑--大语言模型

1. 角色扮演模型
   • Index-1.9B-Character ：https://github.com/bilibili/Index-1.9B
   • Character-LLM：https://github.com/choosewhatulike/trainable-agents
2. 小模型
   • miniCPM
   • MiniCPM-V
   • Phi-3-v
   • gemna2b

四. 数字人讲话唱歌--语音合成

排行榜： https://huggingface.co/spaces/Pendrokar/TTS-Spaces-Arena

1. tts
   • vits，vits2
   • bert-vits2
   • gpt-sovits
   • fish-speech V1.5
   • CosyVoiceV1,V2： https://github.com/FunAudioLLM/CosyVoice
   • F5
   • maskgct牛逼：https://maskgct.github.io/,https://github.com/open-mmlab/Amphion/tree/main/models/tts/maskgct
   • Matcha-TTS
   • kokoro
2. 唱歌tts(singing voice conversion)：
   • so-vits-svc
   • NeuCoSVC
   • https://github.com/Zejun-Yang/AniPortrait
3. 聊天tts
   • ChatTTS： https://github.com/2noise/ChatTTS
4. 其他
   • XTTS
   • openvoice与MeloTTS
   • https://github.com/PaddlePaddle/PaddleSpeech
   • 支持超过 7000 种语言的文本转语音模型ToucanTTS

五. 数字人驱动

1. 真人数字人项目
2. 动捕
3. 虚拟数字人
   • 虚幻引擎MetaHuman数字人
   • ue和unity数字人.md
4. 三维重建数字人
   • 学习NeRF(新视角合成)
   • 3D高斯gaussian-splatting
   • 苹果联合德国马普所推出的，基于高斯函数的3D数字人合成工具HUGS
   • https://machinelearning.apple.com/research/hugs
   • 训练45秒，渲染300+FPS！MVSGaussian：高效泛化的混合Gaussian
   • 超越AnimateAnyone！Meta提出全身3D虚拟人ExAvatar,可由简短视频建模转化为3D数字形象

六. 部署

1. 梅尔普算法及其python和c++实现

七. 其他

1. 参考项目