[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-yerfor--GeneFace":3,"tool-yerfor--GeneFace":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",141543,2,"2026-04-06T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":101,"forks":102,"last_commit_at":103,"license":104,"difficulty_score":105,"env_os":106,"env_gpu":107,"env_ram":108,"env_deps":109,"category_tags":117,"github_topics":118,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":122,"updated_at":123,"faqs":124,"releases":160},4637,"yerfor\u002FGeneFace","GeneFace","GeneFace: Generalized and High-Fidelity 3D Talking Face Synthesis; ICLR 2023; Official code","GeneFace 是一款由浙江大学与字节跳动联合开源的高保真 3D 数字人说话生成工具。它核心解决了传统方案在跨人物、跨场景（域外）音频驱动下，唇形同步率低且表情生硬的难题，能够根据任意语音输入，快速合成出唇动自然、神态丰富的 3D 人脸视频。\n\n该项目特别适合人工智能研究人员、计算机视觉开发者以及需要构建虚拟主播或数字分身的内容创作者使用。对于希望深入探索神经辐射场（NeRF）应用的技术团队，GeneFace 提供了完整的训练与推理代码；而对于追求高效落地的用户，其升级版 GeneFace++ 更是实现了实时渲染能力。\n\n技术层面，GeneFace 的亮点在于其强大的泛化性与高效的架构设计。它引入了基于 RAD-NeRF 的渲染器，将模型训练时间大幅缩短至 10 小时以内，并支持实时推理。同时，项目采用了纯 PyTorch 重构的 3D 重建模块，安装更便捷且运行速度提升 8 倍。配合特有的“音高感知”音频转动作模块，它能精准捕捉语音中的细微韵律，生成更密集的唇部关键点，从而在复杂语音环境下依然保持卓越的口型同步效果与视觉质量。","# GeneFace: Generalized and High-Fidelity Audio-Driven 3D Talking Face Synthesis | ICLR'23\n\n#### Zhenhui Ye, Ziyue Jiang, Yi Ren, Jinglin Liu, Jinzheng He, Zhou Zhao | Zhejiang University, ByteDance\n\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-Paper-%3CCOLOR%3E.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2301.13430)| [![GitHub Stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fyerfor\u002FGeneFace)](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace) | ![visitors](https:\u002F\u002Fvisitor-badge.glitch.me\u002Fbadge?page_id=yerfor\u002FGeneFace) | [![downloads](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fdownloads\u002Fyerfor\u002FGeneFace\u002Ftotal.svg)](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases) | [中文文档](README-zh.md)\n\n\nThis repository is the official PyTorch implementation of our [ICLR-2023 paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2301.13430)\\, in which we propose **GeneFace** for generalized and high-fidelity audio-driven talking face generation. The inference pipeline is as follows:\n\n\u003Cp align=\"center\">\n    \u003Cbr>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyerfor_GeneFace_readme_e8c08930d189.png\" width=\"1000\"\u002F>\n    \u003Cbr>\n\u003C\u002Fp>\n\nOur GeneFace achieves better lip synchronization and expressiveness to out-of-domain audios. Watch [this video](https:\u002F\u002Fgeneface.github.io\u002FGeneFace\u002Fexample_show_improvement.mp4) for a clear lip-sync comparison against previous NeRF-based methods. You can also visit our [project page](https:\u002F\u002Fgeneface.github.io\u002F) for more details.\n# 🔥MimicTalk Released\n**We have released the code of MimicTalk ([https:\u002F\u002Fgithub.com\u002Fyerfor\u002FMimicTalk\u002F](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FMimicTalk\u002F)), which is a SOTA NeRF-based person-specific talking face method and achieves better visual quality and enables talking style control.**\n\n# GeneFace++ Released\n**We have released the code of GeneFace++ ([https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFacePlusPlus\u002F](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFacePlusPlus\u002F)), which is a upgraded version of GeneFace and achieves better lip-sync, video qaulity, and system efficiency.**\n## Update:\n- `2023.3.16` We release a big update in [this release](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases\u002Ftag\u002Fv1.1.0), a video demo is [here](assets\u002Fzozo_radnerf_torso_smo.mp4). including: 1) RAD-NeRF-based renderer, which could infer in real-time and be trained in 10 hours. 2) pytorch-based deep3d_reconstruction module, which is easier to install and is 8x faster than the previous TF-based version. 3) pitch-aware audio2motion module which could generate more lip-sync landmark. 4) fix some bugs that cause large memory usage. 5) We will upload the paper about this update soon.\n- `2023.2.22` We release a 1 minute-long [demo video](https:\u002F\u002Fgeneface.github.io\u002FGeneFace\u002Fhow_i_want_to_say_goodbye.mp4), in which GeneFace is driven by a Chinese song generated by [DiffSinger](https:\u002F\u002Fgithub.com\u002FMoonInTheRiver\u002FDiffSinger).\n- `2023.2.20` We release a stable 3D landmark post-processing strategy in `inference\u002Fnerfs\u002Flm3d_nerf_infer.py`, which improve the stability and quality of the final results by a large margin.\n\n## Quick Started!\n\nWe provide pre-trained models and processed datasets of GeneFace in [this release](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases\u002Ftag\u002Fv1.1.0) to enable a quick start. In the following, we show how to infer the pre-trained models in 4 steps. If you want to train GeneFace on your own target person video, please reach to the following sections (`Prepare Environments`, `Prepare Datasets`, and `Train Models`).\n\n- Step1. Create a new python env named `geneface` following the guide in `docs\u002Fprepare_env\u002Finstall_guide.md`.\n\n- Step2. Download the `lrs3.zip` and `May.zip` in [the release](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases\u002Ftag\u002Fv1.1.0) and unzip it into the `checkpoints` directory.\n\n- Step3. Process the dataset of `May.mp4` following the guide in `docs\u002Fprocess_data\u002Fprocess_target_person_video.md`. Then you can see a output file named `data\u002Fbinary\u002Fvideos\u002FMay\u002Ftrainval_dataset.npy`.\n\nAfter the above steps, the structure of your `checkpoints` and `data` directory should look like this:\n\n```\n> checkpoints\n    > lrs3\n        > lm3d_vae_sync\n        > syncnet\n    > May\n        > lm3d_postnet_sync\n        > lm3d_radnerf\n        > lm3d_radnerf_torso\n> data\n    > binary\n        > videos\n            > May\n                trainval_dataset.npy\n```\n\n- Step4. Run the scripts below:\n\n```\nbash scripts\u002Finfer_postnet.sh\nbash scripts\u002Finfer_lm3d_radnerf.sh\n# bash scripts\u002Finfer_radnerf_gui.sh # you can also use GUI provided by RADNeRF\n```\n\nYou can find a output video named `infer_out\u002FMay\u002Fpred_video\u002Fzozo.mp4`.\n\n## Prepare Environments\n\nPlease follow the steps in `docs\u002Fprepare_env`.\n\n## Prepare Datasets\nPlease follow the steps in `docs\u002Fprocess_data`.\n\n## Train Models\n\nPlease follow the steps in `docs\u002Ftrain_models`.\n\n# Train GeneFace on other target person videos\n\nApart from the `May.mp4` provided in this repo, we also provide 8 target person videos that were used in our experiments. You can download them at [this link](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1FwQoBd1ZrBJMrJE3ZzlNhK8xAe1OYGjX?usp=share_link). To train on a new video named `\u003Cvideo_id>.mp4`, you should place it into the `data\u002Fraw\u002Fvideos\u002F` directory, then create a new folder at `egs\u002Fdatasets\u002Fvideos\u002F\u003Cvideo_id>` and edit config files, according to the provided example folder `egs\u002Fdatasets\u002Fvideos\u002FMay`.\n\nYou can also record your own video and train a unique GeneFace model for yourself!\n\n\n## Citation\n\n```\n@article{ye2023geneface,\n  title={GeneFace: Generalized and High-Fidelity Audio-Driven 3D Talking Face Synthesis},\n  author={Ye, Zhenhui and Jiang, Ziyue and Ren, Yi and Liu, Jinglin and He, Jinzheng and Zhao, Zhou},\n  journal={arXiv preprint arXiv:2301.13430},\n  year={2023}\n}\n```\n\n## Acknowledgements\n\n**Our codes are based on the following repos:**\n\n* [NATSpeech](https:\u002F\u002Fgithub.com\u002FNATSpeech\u002FNATSpeech) (For the code template)\n* [AD-NeRF](https:\u002F\u002Fgithub.com\u002FYudongGuo\u002FAD-NeRF) (For NeRF-related data preprocessing and vanilla NeRF implementation)\n* [RAD-NeRF](https:\u002F\u002Fgithub.com\u002Fashawkey\u002FRAD-NeRF) (For RAD-NeRF implementation)\n* [Deep3DFaceRecon_pytorch](https:\u002F\u002Fgithub.com\u002Fsicxu\u002FDeep3DFaceRecon_pytorch) (For 3DMM parameters extraction)\n","# GeneFace：通用且高保真度的音频驱动3D说话人脸合成 | ICLR'23\n\n#### 叶振辉、蒋子悦、任毅、刘景林、何金正、赵舟 | 浙江大学、字节跳动\n\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-Paper-%3CCOLOR%3E.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2301.13430)| [![GitHub Stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fyerfor\u002FGeneFace)](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace) | ![visitors](https:\u002F\u002Fvisitor-badge.glitch.me\u002Fbadge?page_id=yerfor\u002FGeneFace) | [![downloads](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fdownloads\u002Fyerfor\u002FGeneFace\u002Ftotal.svg)](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases) | [中文文档](README-zh.md)\n\n\n本仓库是我们[ICLR-2023论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2301.13430)的官方PyTorch实现，其中我们提出了**GeneFace**，用于通用且高保真度的音频驱动说话人脸生成。推理流程如下：\n\n\u003Cp align=\"center\">\n    \u003Cbr>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyerfor_GeneFace_readme_e8c08930d189.png\" width=\"1000\"\u002F>\n    \u003Cbr>\n\u003C\u002Fp>\n\n我们的GeneFace在跨域音频上实现了更好的唇形同步和表情表现力。观看[这个视频](https:\u002F\u002Fgeneface.github.io\u002FGeneFace\u002Fexample_show_improvement.mp4)，可以清晰地看到与先前基于NeRF的方法相比的唇形同步效果。您还可以访问我们的[项目页面](https:\u002F\u002Fgeneface.github.io\u002F)以获取更多详细信息。\n# 🔥MimicTalk发布\n**我们发布了MimicTalk的代码（[https:\u002F\u002Fgithub.com\u002Fyerfor\u002FMimicTalk\u002F](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FMimicTalk\u002F)），这是一种SOTA的基于NeRF的人脸特异性说话人脸方法，它不仅具有更好的视觉质量，还支持说话风格控制。**\n\n# GeneFace++发布\n**我们发布了GeneFace++的代码（[https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFacePlusPlus\u002F](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFacePlusPlus\u002F)），这是GeneFace的升级版本，能够在唇形同步、视频质量和系统效率方面取得更好的效果。**\n## 更新：\n- `2023.3.16` 我们在[这次发布](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases\u002Ftag\u002Fv1.1.0)中推出了重大更新，视频演示见[这里](assets\u002Fzozo_radnerf_torso_smo.mp4)。更新内容包括：1) 基于RAD-NeRF的渲染器，可实现实时推理并在10小时内完成训练。2) 基于PyTorch的deep3d_reconstruction模块，安装更简便且速度比之前的TensorFlow版本快8倍。3) 具有音高感知的audio2motion模块，能够生成更精确的唇形同步关键点。4) 修复了一些导致内存占用过大的bug。5) 我们将很快上传关于此次更新的论文。\n- `2023.2.22` 我们发布了一段1分钟长的[演示视频](https:\u002F\u002Fgeneface.github.io\u002FGeneFace\u002Fhow_i_want_to_say_goodbye.mp4)，其中GeneFace由一首由[DiffSinger](https:\u002F\u002Fgithub.com\u002FMoonInTheRiver\u002FDiffSinger)生成的中文歌曲驱动。\n- `2023.2.20` 我们在`inference\u002Fnerfs\u002Flm3d_nerf_infer.py`中发布了一种稳定的3D关键点后处理策略，大幅提升了最终结果的稳定性和质量。\n\n## 快速入门！\n\n我们在[这次发布](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases\u002Ftag\u002Fv1.1.0)中提供了GeneFace的预训练模型和处理好的数据集，以便快速上手。接下来，我们将分4步展示如何使用预训练模型进行推理。如果您希望针对自己的目标人物视频训练GeneFace，请参阅后续章节（“准备环境”、“准备数据集”和“训练模型”）。\n\n- 第一步：按照`docs\u002Fprepare_env\u002Finstall_guide.md`中的指南创建一个名为`geneface`的新Python环境。\n\n- 第二步：下载[本次发布](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases\u002Ftag\u002Fv1.1.0)中的`lrs3.zip`和`May.zip`，并将其解压到`checkpoints`目录下。\n\n- 第三步：按照`docs\u002Fprocess_data\u002Fprocess_target_person_video.md`中的指南处理`May.mp4`的数据集。完成后，您将看到一个名为`data\u002Fbinary\u002Fvideos\u002FMay\u002Ftrainval_dataset.npy`的输出文件。\n\n完成上述步骤后，您的`checkpoints`和`data`目录结构应如下所示：\n\n```\n> checkpoints\n    > lrs3\n        > lm3d_vae_sync\n        > syncnet\n    > May\n        > lm3d_postnet_sync\n        > lm3d_radnerf\n        > lm3d_radnerf_torso\n> data\n    > binary\n        > videos\n            > May\n                trainval_dataset.npy\n```\n\n- 第四步：运行以下脚本：\n\n```\nbash scripts\u002Finfer_postnet.sh\nbash scripts\u002Finfer_lm3d_radnerf.sh\n# bash scripts\u002Finfer_radnerf_gui.sh # 您也可以使用RADNeRF提供的GUI界面\n```\n\n您将得到一个名为`infer_out\u002FMay\u002Fpred_video\u002Fzozo.mp4`的输出视频。\n\n## 定义环境\n\n请按照`docs\u002Fprepare_env`中的步骤操作。\n\n## 准备数据集\n\n请按照`docs\u002Fprocess_data`中的步骤操作。\n\n## 训练模型\n\n请按照`docs\u002Ftrain_models`中的步骤操作。\n\n# 在其他目标人物视频上训练GeneFace\n\n除了本仓库中提供的`May.mp4`外，我们还提供了8个在实验中使用的目标人物视频。您可以从[这个链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1FwQoBd1ZrBJMrJE3ZzlNhK8xAe1OYGjX?usp=share_link)下载。要在一个名为`\u003Cvideo_id>.mp4`的新视频上进行训练，您需要将其放入`data\u002Fraw\u002Fvideos\u002F`目录中，然后在`egs\u002Fdatasets\u002Fvideos\u002F\u003Cvideo_id>`下创建一个新的文件夹，并根据提供的示例文件夹`egs\u002Fdatasets\u002Fvideos\u002FMay`编辑配置文件。\n\n您也可以录制自己的视频，为自己训练一个独一无二的GeneFace模型！\n\n\n## 引用\n\n```\n@article{ye2023geneface,\n  title={GeneFace: Generalized and High-Fidelity Audio-Driven 3D Talking Face Synthesis},\n  author={Ye, Zhenhui and Jiang, Ziyue and Ren, Yi and Liu, Jinglin and He, Jinzheng and Zhao, Zhou},\n  journal={arXiv preprint arXiv:2301.13430},\n  year={2023}\n}\n```\n\n## 致谢\n\n**我们的代码基于以下仓库：**\n\n* [NATSpeech](https:\u002F\u002Fgithub.com\u002FNATSpeech\u002FNATSpeech)（用于代码模板）\n* [AD-NeRF](https:\u002F\u002Fgithub.com\u002FYudongGuo\u002FAD-NeRF)（用于NeRF相关的数据预处理和Vanilla NeRF实现）\n* [RAD-NeRF](https:\u002F\u002Fgithub.com\u002Fashawkey\u002FRAD-NeRF)（用于RAD-NeRF实现）\n* [Deep3DFaceRecon_pytorch](https:\u002F\u002Fgithub.com\u002Fsicxu\u002FDeep3DFaceRecon_pytorch)（用于3DMM参数提取）","# GeneFace 快速上手指南\n\nGeneFace 是一个通用且高保真的音频驱动 3D 说话人脸合成工具（ICLR'23），支持实时推理和高质量的唇形同步。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**: Linux (推荐 Ubuntu 18.04\u002F20.04)\n*   **Python**: 3.8+\n*   **GPU**: NVIDIA GPU (显存建议 16GB 以上以支持训练，推理可适当降低)，已安装 CUDA 驱动\n*   **依赖库**: PyTorch, FFmpeg, Git\n\n> **注意**：本项目深度依赖 `deep3d_reconstruction` 模块，官方已提供基于 PyTorch 的版本（比 TensorFlow 版本快 8 倍且更易安装）。\n\n## 安装步骤\n\n### 1. 创建虚拟环境\n按照官方指南创建名为 `geneface` 的 Python 环境：\n\n```bash\n# 参考 docs\u002Fprepare_env\u002Finstall_guide.md 中的具体指令，通常如下：\nconda create -n geneface python=3.8\nconda activate geneface\n```\n\n请根据 `docs\u002Fprepare_env` 目录下的详细文档安装 PyTorch 及其他系统级依赖（如 ffmpeg, cmake 等）。\n\n### 2. 克隆代码库\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace.git\ncd GeneFace\n```\n\n### 3. 下载预训练模型与示例数据\n为了快速体验，我们直接使用官方发布的 v1.1.0 版本资源。\n\n1.  前往 [Releases 页面](https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Freleases\u002Ftag\u002Fv1.1.0)。\n2.  下载 `lrs3.zip` 和 `May.zip`。\n3.  将解压后的文件夹放入项目根目录下的 `checkpoints` 目录中。\n\n解压后的目录结构应如下所示：\n```text\ncheckpoints\n├── lrs3\n│   ├── lm3d_vae_sync\n│   └── syncnet\n└── May\n    ├── lm3d_postnet_sync\n    ├── lm3d_radnerf\n    └── lm3d_radnerf_torso\n```\n\n### 4. 处理示例数据集\n对示例视频 `May.mp4` 进行预处理，生成推理所需的数据文件：\n\n```bash\n# 请参考 docs\u002Fprocess_data\u002Fprocess_target_person_video.md 执行具体命令\n# 成功处理后，将在 data\u002Fbinary\u002Fvideos\u002FMay\u002F 下生成 trainval_dataset.npy\n```\n\n确保最终目录结构包含：\n```text\ndata\n└── binary\n    └── videos\n        └── May\n            └── trainval_dataset.npy\n```\n\n## 基本使用\n\n完成上述准备后，即可运行脚本生成说话人脸视频。以下是最简单的推理流程：\n\n### 1. 运行后处理网络 (PostNet)\n生成初步的面部动作序列：\n```bash\nbash scripts\u002Finfer_postnet.sh\n```\n\n### 2. 运行 RAD-NeRF 渲染器\n将动作序列渲染为最终视频（支持实时推理）：\n```bash\nbash scripts\u002Finfer_lm3d_radnerf.sh\n```\n\n> **可选**：如果您希望使用图形界面进行交互，可以运行：\n> ```bash\n> bash scripts\u002Finfer_radnerf_gui.sh\n> ```\n\n### 3. 查看结果\n生成的视频将保存在以下路径：\n```text\ninfer_out\u002FMay\u002Fpred_video\u002Fzozo.mp4\n```\n\n---\n*如需训练自己的角色模型或处理自定义视频，请参阅 `docs\u002Ftrain_models` 及 `docs\u002Fprocess_data` 中的详细文档。*","某跨国教育科技公司急需为多语言在线课程快速生成具备自然口型和丰富表情的 3D 虚拟教师视频，以替代昂贵且周期长的真人拍摄。\n\n### 没有 GeneFace 时\n- **口型同步生硬**：传统方法在处理非训练集内的新语种音频（如小语种或特定口音）时，唇形动作与声音严重脱节，产生明显的“配音感”。\n- **表情单一呆板**：生成的 3D 人脸缺乏细微的面部肌肉运动，眼神空洞，无法传达讲课所需的情感起伏，导致学生注意力难以集中。\n- **泛化能力极差**：每更换一位虚拟教师或一种语言风格，都需要重新采集大量数据进行长时间微调，开发成本高昂且效率低下。\n- **渲染效率瓶颈**：基于旧版 NeRF 的方案推理速度慢，难以满足课程大规模批量生产及实时互动的需求。\n\n### 使用 GeneFace 后\n- **高保真唇音同步**：凭借通用的音频驱动架构，GeneFace 能精准捕捉任意语种音频的特征，即使面对未见过的发音习惯，也能生成严丝合缝的口型动画。\n- **表情生动自然**：引入音高感知模块和优化的 3D 地标后处理策略，虚拟教师能随语调变化展现皱眉、微笑等细腻表情，显著提升授课感染力。\n- **强大的跨域泛化性**：无需针对每个新角色重新训练模型，直接利用预训练权重即可适配不同风格的虚拟人，将新课程上线周期从数周缩短至数小时。\n- **实时推理加速**：结合 RAD-NeRF 渲染器，GeneFace 实现了实时推断能力，不仅大幅降低显存占用，更支持未来直播课中的动态互动场景。\n\nGeneFace 通过突破性的泛化能力和高保真合成技术，让高质量 3D 虚拟人的规模化生产变得低成本且触手可及。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyerfor_GeneFace_4aaf27fb.png","yerfor","Zhenhui Ye","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fyerfor_89c6218b.jpg","Work hard no anxiety. Currently working on Diffusion-based avatar video generation.","Zhejiang University",null,"https:\u002F\u002Fyerfor.github.io\u002Fen","https:\u002F\u002Fgithub.com\u002Fyerfor",[81,85,89,93,97],{"name":82,"color":83,"percentage":84},"Python","#3572A5",84.4,{"name":86,"color":87,"percentage":88},"Cuda","#3A4E3A",14,{"name":90,"color":91,"percentage":92},"C","#555555",0.7,{"name":94,"color":95,"percentage":96},"Shell","#89e051",0.6,{"name":98,"color":99,"percentage":100},"C++","#f34b7d",0.3,2662,298,"2026-04-01T14:08:16","MIT",4,"Linux","必需 NVIDIA GPU（用于 NeRF 渲染和深度学习推理），具体型号未说明，但提及修复了导致大内存占用的 bug，建议使用显存较大的显卡以支持实时渲染","未说明（文中提及修复了导致大量内存占用的 bug，建议 16GB 以上）",{"notes":110,"python":111,"dependencies":112},"1. 2023.3.16 更新后，3D 人脸重建模块已改为基于 PyTorch 的版本，安装更简单且速度比旧版 TF 快 8 倍。2. 提供基于 RAD-NeRF 的渲染器，支持实时推理，训练时间约 10 小时。3. 快速开始需下载预训练模型（lrs3.zip, May.zip）和处理数据集。4. 项目依赖多个外部仓库（如 AD-NeRF, RAD-NeRF），需按文档准备环境。","未说明（需创建名为 geneface 的 Python 环境）",[113,114,115,116],"PyTorch","RAD-NeRF","Deep3DFaceRecon_pytorch (PyTorch 版)","NATSpeech (代码模板)",[14,15],[119,120,121],"talking-face-generation","pytorch","nerf","2026-03-27T02:49:30.150509","2026-04-07T06:21:24.239890",[125,130,135,140,145,150,155],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},21078,"训练新视频时，如何正确配置 YAML 文件和目录结构？","只需复制 egs\u002Fdatasets\u002Fvideos\u002FMay 目录下的配置文件到新视频 ID 文件夹，并修改其中的 video_id 字段。对于 lm3d_radnerf_torso.yaml，还需要更新 head_model_dir 路径指向你训练好的头部模型目录（例如：checkpoints\u002F\u003CVIDEO_ID>\u002Flm3d_radnerf）。提供的 May.zip 中的模型是通过 lm3d_radnerf.yaml 训练得到的，你可以自行训练替代。","https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Fissues\u002F110",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},21079,"生成的视频中嘴部不动或表情僵硬是什么原因？","这通常是因为视频帧率（FPS）不匹配导致的。代码在提取图像时强制转换为 25fps，但在提取 3DMM 特征时使用了原始视频的 FPS，导致两者不对应。目前项目仅正式支持 25fps、分辨率 512x512 的视频。请确保输入视频符合此规格，或者检查 extract_3dmm.py 中的帧读取逻辑以确保与图像提取一致。","https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Fissues\u002F77",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},21080,"遇到 'AssertionError: If capturable=False, state_steps should not be CUDA tensors' 错误如何解决？","需要在优化器参数组中显式启用 'capturable' 选项。如果检测到 CUDA 可用，请在代码中添加设置：self.optimizer.param_groups[0]['capturable'] = True。这通常出现在使用较新版本 PyTorch 进行混合精度训练或特定优化器状态管理时。","https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Fissues\u002F78",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},21081,"运行时报错 'RuntimeError: CUDA error: an illegal memory access was encountered' 怎么办？","该错误可能与多 GPU 环境检测有关。即使只有一张显卡，代码中的 self.all_gpu_ids 可能为空列表导致问题。可以尝试硬编码 self.all_gpu_ids 或检查环境变量 CUDA_VISIBLE_DEVICES 是否正确设置。此外，确保 torch-ngp 及其依赖（如 tiny-cuda-nn）已正确编译安装，且 CUDA 版本与 PyTorch 编译版本一致。","https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Fissues\u002F76",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},21082,"在 RTX 4090 (CUDA 12.0) 上安装扩展模块失败，提示 CUDA 版本不匹配如何处理？","PyTorch 预编译版本通常基于 CUDA 11.x，而 RTX 4090 需要更新的驱动和 CUDA 支持。如果遇到 'The detected CUDA version mismatches the version that was used to compile PyTorch' 错误，建议安装与系统 CUDA 版本匹配的 PyTorch 版本（如从源码编译或使用支持 CUDA 12 的 nightly 版），或者降级系统 CUDA 至 PyTorch 支持的版本（如 11.8）。对于 4090 用户，推荐使用 Ubuntu 20.04\u002F22.04 + CUDA 11.8 + PyTorch 2.0+ 的组合，并重新编译扩展模块。","https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Fissues\u002F124",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},21083,"文档中的训练命令是否存在拼写错误（typo）？","是的，文档中部分命令的 --exp_name 参数存在笔误。例如，训练 lm3d_radnerf 时，exp_name 应为 'May\u002Flm3d_radnerf' 而不是 'May\u002Flm3d_nerf'；训练 torso 时同理，应确保 exp_name 与 config 文件名中的模型类型（radnerf）保持一致，以避免日志保存路径混淆或加载错误。","https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Fissues\u002F88",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},21084,"如何让数字人的输出表情更自然，减少僵硬感？","目前的流水线主要基于 68 个关键点，可能导致细节丢失。虽然 MediaPipe Face Mesh 提供 468 个点，但实测可能存在抖动问题。建议尝试对训练样本的关键点进行平滑处理（smoothing）来改善效果。此外，也可以参考 LRS2 数据集的训练验证集设置，其效果较为自然。暂时不建议直接切换到 audio2mediapipe 方案，除非解决了抖动问题。","https:\u002F\u002Fgithub.com\u002Fyerfor\u002FGeneFace\u002Fissues\u002F82",[161,166],{"id":162,"version":163,"summary_zh":164,"released_at":165},127124,"v1.1.0","# 欢迎使用 GeneFace v1.1.0\n我们让 GeneFace 更加贴近工业级应用了！\n### 本次更新亮点：\n1. 我们实现了 RAD-NeRF 渲染器，它能够实时推理，并且仅需 10 小时即可完成训练。\n2. 我们改用基于 PyTorch 的 `deep3d_recon` 模块来提取 3DMM 参数，该模块安装更简便，速度比之前的 TensorFlow 版本快 8 倍。\n3. 我们提供了一个考虑音高信息的 audio2motion 模块，能够生成更加同步的唇部关键点动画。\n4. 修复了一些导致内存占用过高的 bug。\n5. 我们将很快发布关于本次版本的论文。\n\n### 我们发布了 GeneFace 的预训练模型：\n- `lrs3.zip` 包含在 LRS3-TED 数据集上训练的模型（一个用于执行 audio2motion 转换的 `lm3d_vae_sync` 模型，以及一个用于衡量唇形同步程度的 `syncnet` 模型），这些模型对所有目标人物视频都具有通用性。\n- `May.zip` 包含针对 `May.mp4` 目标人物视频训练的模型（一个用于精炼预测 3D 关键点的 `lm3d_postnet_sync` 模型、一个用于渲染头部图像的 `lm3d_radnerf` 模型，以及一个用于渲染躯干部分的 `lm3d_radnerf_torso` 模型）。对于每一段目标人物视频，您都需要单独训练这三组模型。\n- 如何使用预训练模型：将 `lrs3.zip` 和 `May.zip` 解压到 `checkpoints` 目录下，然后按照 `README.md` 中的命令行指令进行推理。\n\n### 🔥 我们还发布了二进制格式的数据集：\n- LRS3-TED：我们在 Google Drive 上提供了处理好的 LRS3 数据集。下载链接：[Part1](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1tRPWB2mWm0QFVbQwtpJyJilSd7p4AWVf\u002Fview?usp=share_link)，[Part2](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1WbECLfpxAZ0D7PcrlZxV-fCObT-TnfD8?usp=share_link)。\n- 百度网盘版 LRS3-TED：[链接](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1JsvEz58c9ItSI73ls43tTw?pwd=lrs3)，提取码为 `lrs3`。","2023-03-16T06:42:54",{"id":167,"version":168,"summary_zh":169,"released_at":170},127125,"v1.0.0","我们发布了 GeneFace 的预训练模型：\n- `lrs3.zip` 包含在 LRS3-ted 数据集上训练的模型（一个用于执行 audio2motion 转换的 `lm3d_vae` 模型，以及一个用于衡量唇形同步的 `syncnet` 模型），这些模型对所有可能的目标人物视频都通用。\n- `May.zip` 包含在目标人物视频 `May.mp4` 上训练的模型（一个用于精炼预测 3D 关键点的 `postnet` 模型、一个用于渲染头部图像的 `lm3d_nerf` 模型，以及一个用于渲染躯干部分的 `lm3d_nerf_torso` 模型）。对于每一段目标人物视频，都需要单独训练这三类模型。\n- 如何使用预训练模型：将 `lrs3.zip` 和 `May.zip` 解压到 `checkpoints` 目录下，然后按照 `README.md` 中的命令行进行推理。\n\n🔥 我们还发布了二值化数据集：\n- LRS3-TED：我们在 Google Drive 上提供了经过处理的 LRS3 数据集。下载链接：[Part1](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1tRPWB2mWm0QFVbQwtpJyJilSd7p4AWVf\u002Fview?usp=share_link)、[Part2](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1WbECLfpxAZ0D7PcrlZxV-fCObT-TnfD8?usp=share_link)。\n- May：我们在 Google Drive 上提供了针对视频 `May.mp4` 处理后的 NeRF 数据集，下载链接为 [此链接](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1bqLSESYzfXPHlFt0j-oXAnM88ZeUG-Y9\u002Fview?usp=share_link)，该数据集是我们在快速入门指南中使用基于 NeRF 的渲染器进行推理所必需的。","2023-02-06T01:52:17"]