干货分享|如何使用Stable Diffusion打造会说话的数字人？

数字人已不是什么新鲜名词了。在许多领域，尤其是媒体和娱乐领域，经常可以看到卡通形象的人物或逼真的虚拟主持人。在Stable Diffusion中，我们可以上传一段录制好的音频文件，然后使用SadTalker插件，将音频和图片相结合，让图片上的角色开口说话。

在 WebUI中单击 “SadTalker”选项卡，在 “上传图像”窗口中上传角色图片，在“上传音频或TTS”窗口中上传音频文件，如图所示。

在右侧的“设置”窗口中选择脸部模型的分辨率，勾选“使用GFPGAN增强面部” 复选框，然后单击“生成”按钮，如图所示。

提 示: 

上传的音频时 长决定了生成视频的时长，在 绘世启动器进程窗口的底部可 以查看生成进度。

视频生成完毕后，我们可以在下方的窗口中预览视频效果。单击WebUI上方的“设 置”选项卡，在左侧的列表中单击“SadTalker”，就能看到视频文件的输出路径，如图所示。

相对于其他插件来说 ， SadTalker的配置较为复杂。如果配 置出现问题导致在输出路径中找不到 视频文件，则可以单击预览窗口右上 角的 按钮手动保存处理好的视频文 件，如图所示。

在“预处理”选项组中有5 个选项，其中“裁剪”和“裁剪 后扩展”选项会把上传的原图裁 剪成只留下角色的面部，让头部 运动看起来更加自然，如图所示。

“完整”选项不对参考图进行裁 剪，因此当角色的头部运动较大时， 可能出现脖子区域撕裂的问题。此时 需要勾选“静止模式”复选框，以 减少角色的头部运动。“缩放”选项 让参考图的背景和角色的身体产生缩 放和平移运动，脖子区域的撕裂问题 仍然存在，并且运动的效果也不够自 然。另外，选择“填充至完整”选项 会用参考图填充头部以外的区域，但 如果参考图的宽高比不是1:1，可能会出现严重的画面撕裂，如图所示。

本期内容就到此啦，下期讲解如何快速打造瞬息全宇宙，关注我不迷路，有机会白嫖书籍哦!

本文摘自《解密AI绘画与修图：Stable Diffusion+Photoshop》，获出版社和作者授权发布。

解密AI绘画与修图：Stable Diffusion+Photoshop——jd