JoyGen

JoyGen 是由京东科技与香港大学合作开发的音频驱动3D说话人脸视频生成框架，一种新颖的两阶段框架，这个技术在于通过音频输入来驱动3D深度感知模型，提供精确的唇部与音频同步，以精确模拟说话者的唇部动作和面部表情，让生成的视频更逼真，主要应用于视频编辑和虚拟交互领域。

JoyGen使用了一个包含130小时高质量视频的中文说话人脸数据集进行训练。这个数据集与开放的HDTF（高分辨率深度图数据集）结合，支持中文和英文输入。

另外，JoyGen也考虑了音频的情绪特征，能够在生成的动画中自然地表现出人物的情感变化，例如微笑或皱眉等，非常的强。

JoyGen核心功能：

• 多语言支持：JoyGen能够处理中文和英文等多种语言的音频输入。

• 高质量视觉效果：通过细致的面部表情和唇部细节处理，生成的视频极其逼真。

• 精确唇部同步：通过音频特征分析和面部深度图技术，使视频中人物的唇部动作与音频内容完美匹配。

• 视频编辑优化：不仅生成新视频，还能对现有视频进行唇部运动的编辑，不需要从头开始又制作整个视频序列。

• 高效技术架构：采用单步UNet架构，可以让视频编辑流程更简单了。

技术原理：

1. 音频驱动的唇部动作生成：

• 利用3D重建模型从面部图像提取身份特征，定义人物的独特面部结构。

• 通过音频到运动模型，将音频信号转换为控制唇部运动的表情系数。

• 结合身份和表情系数，使用可微渲染技术生成面部深度图，为后续视频合成准备。

2. 视觉外观合成：

• 采用单步UNet网络整合音频特征与深度图，直接生成包含精确唇部运动的视频帧。

• 引入跨注意力机制，确保唇部运动与音频信号高度一致，增强同步性。

• 通过优化过程（如L1损失函数）确保视频质量，兼顾像素级和潜在空间的准确性。

如何使用JoyGen：

• 环境搭建：用户需创建一个特定的conda环境，并安装必要的依赖包，包括Nvdiffrast等特定库。

• 预训练模型下载：获取JoyGen的预训练模型，包括3D模型、音频到运动模型等，这些资源通常在项目GitHub页面上提供。

• 运行推理：通过执行特定的脚本和参数，用户可以将音频文件转换为带有逼真唇部同步的3D说话人脸视频。

JoyGen应用：

• 虚拟会议：增强虚拟会议中的面部表达。

• 影视制作：制作电影和电视中的特效。

• 教育培训：用于制作生动的教育视频。

• ai助手：增加Ai助手在人与机器互动中的拟人程度。

JoyGen将复杂的人脸视频生成大大简化了，它在数字人内容创作、虚拟会议、娱乐等地方有非常大的作用。

GitHub：https://github.com/JOY-MM/JoyGen