Heygem 是硅基智能旗下数字人模型。以“零训练、秒级量产”突破行业桎梏，仅需1秒视频或1张照片，即可精准克隆数字人形象与声音，并在60秒内合成4K超高清视频。这一颠覆性技术，使得过去动辄数小时乃至数天的数字人制作流程骤然压缩至秒级，以远超行业标准的效率、精度与视觉表现，重新定义了数字人生产力的边界。在复杂光影、侧脸、遮挡等场景下，Heygem依然能够实现100%口型匹配和自然流畅的情感表达，真正使数字人从实验室走向实际应用。

Heygem可能很多人可能没听说过，包括硅基智能，但它确是低调且有实力的存在。之前一直在做商业数字人生成软件 ，上个月，突然就开源了旗下的数字人项目，猜测是旧版模型，因为我看官网的商业模型效果比这个更好。虽然没有商业模型效果好，但依然是免费开源里最强的数字人生成项目。


前段时间还听说国外的Heygen（一个商业数字人软件，其实就是国人在国外注册的公司）把Heygem告了，由头是Heygem侵权，猜测就是因为Heygem开源了，而且开源的效果媲美Heygen的商业模型，影响Heygen卖钱了（Heygem价格不是一般的贵），这简直是把Heygen整死的节奏啊。

当时开源的时候，我就自行摸索按照网上的教程本地搭建Docker，然后一步步搭建完成，但过程太复杂，中间也踩了不少坑，官方自带了一个客户端，还支持TTS功能，直接用文本生成语音，我测试了，转换语音的效果不太好。

前几天逛公众号，发现一位博主分享了这个包，然后私信问了这个博主，他说也是自己转载别人的，来源不明。于是决定分享给大家，因为这个效果是真的好。

原始Webui有一些问题，于是咨询了管理，在他的帮助下，修复完善了Webui，完善了用户体验。

这个包的环境不带CUDA，我看了CUDA是11.3，所以本地还是需要自己安装显卡驱动和CUDA环境的，本地CUDA不低于11.3就行。至于CUDA安装，教程论坛里有，新手可自行查阅论坛新手必看这个帖子。

下面说下使用，如下图，很简单，上传音频和视频，直接生成就好了。这里提醒下，视频长度最好大于音频，否则会出现跳帧的情况，虽然可以借助剪辑软件修复，但还是建议大家录制的素材视频长度长一些，比音频长就行了。

下载地址：点赞+收藏，私信领取