视频音频对嘴--Wav2Lip

懒惰的胖达

于 2025-07-08 04:06:11 发布

阅读量26

点赞数

之前介绍了将图片加音频进行对嘴处理，生成新的视频：

基础版： https://www.cnblogs.com/cj8988/p/18952604

这里介绍一个视频对嘴，一个视频加音频进行对嘴，生成新的视频。

Wav2Lip-HD：改进Wav2Lip以实现高保真视频。

Real-ESRGAN解压后放到Wav2Lip-HD文件夹中。

根据文档，下载相应模型，然后放到相应的位置上。

Wav2Lip： https://drive.google.com/drive/folders/1tB_uz-TYMePRMZzrDMdShWUZZ0JK3SIZ

ESRGAN： https://drive.google.com/file/d/1Al8lEpnx2K-kDX7zL2DBcAuDnSKXACPb/view

Real-ESRGAN： https://drive.google.com/file/d/1qNIf8cJl_dQo3ivelPJVWFkApyEAGnLi/view

下载的相应模型就放到相应位置：

下载一个ffmpeg.exe 放到根目录下Wav2Lip-HD：https://ffmpeg.org/download.html
（如果最新版本不行，可以下载6.1版本：ffmpeg version 6.1-full_build）

（1）：安装一个虚拟环境（window的Anaconda）进行运行，这样就不会破坏本地的换，没有Anaconda的需要下载安装：https://www.anaconda.com/download/success

（2）创建虚拟环境：

#创建虚拟环境，这里使用3.10的环境：
conda create --name wavalip python=3.10

#查看环境：
conda info --envs

#激活环境：
conda activate wavalip

#退出：
# conda deactivate

（3）运行：

需要先修改一下文件：run_final.bat。将视频和音频放到相应位置，然后修改这里的文件名字。

可以先注释代码中的 REM Step 2 ~ REM Step 4，只保留第一个 Step 1。

第一步就是视频根据你的音频进行对嘴处理，生成新的视频。

Step 2 ~ Step 4 就是对你的视频进行高清处理，这一步是很耗时的，很慢的。

#在虚拟环境中运行
#激活环境：
conda activate wavalip

#运行
run_final.bat

#如果有报错，根据报错安装相应的包
# pip  install  ...

不打开高清处理，应该还是很快的，生成的视频在文件夹： output_videos_wav2lip 中。没有问题后，可以打开Step 2 ~ Step 4。打开后会很慢，建议找的视频和音频时长一样，而且尽量段一些，这样可以减少生成时间。

打开高清处理，生成的视频在：output_videos_hd 文件夹中。

看了一下日志，先使用Wav2Lip生成对嘴视频，然后将视频拆分为每一帧图片（文件夹frames_wav2lip中查看），然后将所有图片高清处理（处理后的图片在文件夹frames_hd 中），最后将高清图片转为视频，并且加上音频。

最后生成的就是高清对嘴视频。（如果视频有两人，音频也有应该有两个人）。

平台视频截图：

高清视频截图：

很明显，如果条件可以，最好进行高清处理，这样生成的视频才能看。

最后看看效果（第一个就是使用该工具生成的），即梦AI没找到上传音频的地方，所以用的是它自己的音频：

Wav2Lip-HD	即梦 AI	vozo AI

查看文档：

原创作者: cj8988 转载于: https://www.cnblogs.com/cj8988/p/18965418