2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

京东开源普通话数字人JoyHallo,一口流利标准普通话还会讲英语

发布日期:2024-12-01 08:34:02 浏览次数: 2597
作者:带你学AI

微信搜一搜,关注“带你学AI”

在音频驱动的视频生成领域,制作普通话视频面临着许多挑战。首先,收集全面的普通话数据集非常困难;其次,普通话的复杂口型动作使得模型训练比英语更具挑战性。为了解决这个问题,JoyHallo 收集了来自京东健康国际公司员工的29小时普通话语音视频,形成了 jdh-Hallo 数据集。这个数据集中包含了不同年龄和说话风格的人,涵盖了日常对话和专业医疗主题。
为了让 JoyHallo 模型适应普通话,采用了中文的 wav2vec2 模型来提取音频特征。同时,提出了一种半解耦结构,旨在捕捉嘴唇、表情和姿态特征之间的关系。这种集成不仅提高了信息的利用效率,还加快了推理速度,提升了 14.3%。值得一提的是,JoyHallo 在生成英语视频方面依然表现出色,显示了其优秀的跨语言生成能力。(链接在文章底部)

01 技术原理

虽然现有模型如 AnimateAnyone 和 Hallo 在英语视频生成方面表现优异,但由于缺乏高质量的普通话数据集以及普通话复杂的唇部动作,它们在普通话生成中表现不佳。为了解决这一问题,引入了 JoyHallo 模型,采用了半解耦结构,以提高普通话唇部动作预测的准确性。
半解耦结构是一种创新模块,旨在提高音频驱动视频生成中唇部动作预测的准确性,尤其是针对普通话。这一结构整合并分离了面部动画中涉及的关键组成部分,使得复杂的唇部动作和表情建模更加精确。
在传统模型中,唇部动作、表情和头部姿势等特征通常是交织在一起的,导致由于普通话音素的复杂性而产生的结果不理想。有些方法,例如 Hallo,采用完全解耦的方法,将面部特征完全分开并独立学习。虽然这种方法在孤立个别特征方面有效,但可能妨碍模型学习面部特征之间的隐含关联。随着面部特征复杂性的增加,保持生成准确性变得更加困难。
半解耦结构最初将这些特征耦合在一起,并通过交叉注意力模块共同处理,以捕捉它们之间的相关特性。然后,采用解耦模块来分离不同的特征。这种分离允许模型专注于每个特征的特定细微差别,而不会受到其他特征的干扰。
这种半解耦结构有效平衡了独立特征处理与捕捉特征间关系的能力,从而增强了整体性能和适应性。通过利用这一结构,JoyHallo 模型在普通话视频生成中的唇部同步和面部表情的准确性得到了显著提升。此外,使用中文 wav2vec2 模型进一步提高了普通话的表现。这种方法不仅增加了生成视频的真实感,还提高了推理效率。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅