展开本页目录
开始前准备什么
- 下载本页 ZIP，保留原始输入和来源；示例材料不是模型输出。
- 按官方说明准备匹配软件/模型、设备或账号权限，权重与账号额度不包含在下载包。
- 本地检查需 Python 3 与 FFmpeg/ffprobe；真实结果需要实际生成并回听/看图。
- 试听原音并确认底片身份
- 检查音频、帧率与模型目录
- 按官方界面指定输入
- 使用 v1.5 常规推理配置
- 保存正常推理与真实错误
- 按音节检查嘴部与接缝
1. 试听原音并确认底片身份
portrait-input.mp4 是原创虚构成人静态头像的真实练习底片，narration.wav 由 macOS Tingting 朗读原创台词；它们不是 MuseTalk 输出。先看单人脸是否完整，听清“八、门、明天”等易检查发音。
2. 检查音频、帧率与模型目录
本例底片 25fps，源音频为真实 WAV。按官方 README 准备 musetalkV15、Whisper、VAE、DWPose 等权重；模型文件目录和版本必须匹配，不能用空文件通过存在性检查。
3. 按官方界面指定输入
启动官方 Gradio 示例，在视频与音频输入框分别选择底片和配音。官方截图展示的脸与参数是原示例，不是本页推理。先不额外做字幕、配乐或情绪处理，确保只有一条人声。
4. 使用 v1.5 常规推理配置
复制 material-inference.yaml 到独立配置目录，改为素材绝对路径。实际命令指定 scripts.inference、v15、musetalkV15 的 unet.pth 与 musetalk.json，避免 shell 脚本默认仍指向官方 test.yaml。
5. 保存正常推理与真实错误
运行命令后保留 result_dir、终端异常与设备信息。没有权重或合适设备时停在此步，pending 不改为 done。官方 V100 的实时数字不能当你设备帧率；本站没有运行 MuseTalk。
运行步骤
# 在已准备模型的 MuseTalk 仓库运行；配置内使用绝对路径
python -m scripts.inference --inference_config /绝对路径/material-inference.yaml --result_dir ./results/apizt --unet_model_path ./models/musetalkV15/unet.pth --unet_config ./models/musetalkV15/musetalk.json --version v156. 按音节检查嘴部与接缝
在“八”的开口、“门/明”的闭口和句间静音处对照原声与输出，看牙齿、下巴边界与侧脸。check.py 能确认输出可解码和时长，不判断中文口型一定准确；review.csv 逐项填写。
7. 实读输入与坏文件，再检查你自己的输出
在解压目录运行 python check.py --self-test。脚本读取本页 provenance.json 的输入 hash，检查真实音视频/PNG 和目标区间；坏 WAV、坏 MP4 与反向时间范围应被拒绝。它不会下载模型、请求账号或自动判定口型、音乐质量。输入检查结果见 input-check.json。实际运行后用 --result 指向新文件，并逐项回听/看图。
check.py
python check.py --self-test
python check.py --result 你实际导出的文件.mp48. 交付原始输入、真实输出和待确认项
保留 README、原始输入、parameters.json、provenance.json 和你实际生成的文件；将模型/软件/账号版本、设备和错误写入独立运行记录。review.csv 的 pending 由真实回听/看图后更新，未运行项目不改成 done。配图中的原始参考与官方示例不代表本站已生成同样成果。
怎样确认已经完成
- 输入底片、系统朗读与实际 MuseTalk 输出分别标注。
- 检查 25fps 基线、模型目录和真实配音长度。
- 抽听开口/闭口/静音三类边界，再移交字幕。
常见问题
静止头像底片能当成嘴巴已同步吗？
不能。底片本身不包含配音驱动的嘴部运动；只有 MuseTalk 实际推理输出并逐音节回看后，才能评价同步。
必须下载官方测试人物吗？
不必。本包用原创虚构成人与原创台词。MuseTalk 互联网 testdata 有非商业研究限制，不把它们作为本站可商用素材分发。