本次和大家分享另一个非常强大的数字人软件Sonic,这个软件可以通过一段音频驱动,将图片转为视频,让图片中的人物开口讲话,讲话内容就是音频内容。

Sonic软件说明
提供一段不超过10秒的音频和一张图片,Sonic就可以让图片中的人物开口讲话,包括动漫图片人物,讲话内容就是这个音频素材的内容,而且音频口型同步,非常的逼真自然。
Sonic整合包使用说明
当前为最新版的一键启动整合包,无需配置环境,解压即用。首先到网盘内将压缩包软件下载到本地电脑上并解压。由于完整模型文件总共要37G,太大了无法压缩上传到网盘。其中31G模型文件可以在阿里平台高速下载,所以我做了个下载程序,这其中的31G模型文件可以自动下载。
双击【启动软件.exe】,第一次运行的话先点击按钮下载模型,总共要下载31G的文件,所以请耐心等待,等到终端窗口中输出模型下载完成的时候,模型就是下载完成了,就可以点击按钮启动软件了。
稍等一会软件会打开webUI界面,等待时间由电脑配置决定。
软件整体操作非常简单,上传图片素材,上传音频素材,点击合成按钮即可。
合成视频时间由音频时长、图片尺寸、电脑配置等因素决定。
视频教程和效果演示:https://nuowa.net/1732
注意事项
音频时长请勿超过10秒
只支持windows10或11
建议英伟达显卡显存6G以上用户体验
建议图片尺寸为512或768,图片尺寸太大处理时间就会太长
Sonic一键启动整合包下载链接
相关推荐
无限长度的数字人对话视频生成软件InfiniteTalk整合包,图像转视频、视频配音对口型工具
图片转视频AI生成跳舞视频软件StableAnimator整合包下载
字节跳动唇形同步数字人视频制作软件LatentSync整合包使用说明视频教程
抖音超强AI数字人视频制作软件LatentSync整合包,音频驱动口型讲话
人物动物图片转视频表情转移软件LivePortrait整合包使用说明视频教程
图片数字人视频制作软件LivePortrait整合包下载,图片转视频动物人物表情转移工具
超强AI数字人EchoMimicV2一张半身照片即可生成一段主播解说视频,整合包下载
照片人物表情控制软件AdvancedLivePortrait整合包,图片转视频工具
最近更新

FunASR语音识别转文字软件区分说话人版
FunASR是一款优秀的基础语音识别框架,配合阿里通义团队开发的其它语音识别模型,能够实现非常好语音转文字效果,尤其在中文语音识别方面,鉴于有些用户需要对语音识别内容区分说话人,我重新做了一版区分说话人的版本。软件支持多语言识别,但是还是尽...

windows系统电脑通过WSL2安装OpenClwa实现开机自动启动详细教程
windows系统原生环境下运行openclaw多少还是会遇到点问题,虽然windows原生环境支持使用,但是WSL2仍是官方最推荐的方式。下面是windows系统电脑安装WSL2及OpenClaw详细教程。 安装 WSL2 以管理员身份打...

openclaw AI助手windows电脑安装部署及微信聊天配置详细教程
openclaw是目前最火爆的开源应用,没有之一,它功能强大远超同类应用。以前AI只是你问它答,OpenClaw可以说是有了手,可以帮你做事,做很多事,如果利用的好,绝对是个利器。下面分享一下windows系统电脑本地安装部署教程,有时候可...

Apple苹果3D 高斯(3DGS)模型ply文件生成器,图片转3D模型软件下载
ml-sharp是Apple苹果团队开发的一款3D高斯(3DGS)生成器,可将图片生成3D效果的ply文件。我基于当前最新版本制作了免安装一键启动整合包。 ml-sharp官方介绍 我们提出了 SHARP,这是一种从单张图像进行照片级逼真视...

字节跳动Dolphin图片文档解析工具免安装一键启动整合包下载,PDF转JSON/Markdown软件
本次再分享一个由字节跳动团队开发的一款图片文档解析工具Dolphin,支持解析表格、公式、文本、代码块等元素,支持图片和PDF文档转为Markdown和JSON格式文件,当前为最新发布的V2版本,各项功能效果都得到较大提升。 Dolphin...

微软最新图片转3D网格模型软件TRELLIS.2 windows版整合包下载,AI一键建模工具
上个月微软发布了图片转3D网格模型软件TRELLIS的2.0版本。之前1.0版本非常受欢迎,当前2.0版本功能更强大,效果更好。我制作了最新windows版免安装一键启动整合包。 TRELLIS.2官方说明 TRELLIS.2 是一款最先进...

FunASR最新模型FunAudioLLM/Fun-ASR-Nano-2512实时语音识别转文字热词版整合包下载
Fun-ASR-Nano-2512是阿里通义实验室前天刚发布的最新最强的一款语音识别转文字模型,支持31种语言,延迟低,在某些专业领域表现出色。我基于FunAudioLLM/Fun-ASR-Nano-2512模型制作了最新实时语音识别转文字...

Crawl4AI:基于AI大语言模型的网络爬虫和数据抓取工具整合包软件下载
Crawl4AI是一款基于AI大语言模型能力的网络爬虫和数据抓取软件,可以将网页转换为简洁、符合 LLM 规范的 Markdown 格式,适用于 RAG、代理和数据管道。它速度快、可控性强。 Crawl4AI官方介绍 开源的 LLM 友好型...

browser-use浏览器任务全自动化AI助手windows电脑版一键启动整合包
本次再和大家分享一个非常牛逼的AI助手软件:browser-use,别问哪里牛逼,反正很多人都在用,社区starts高达72.8K,火遍全球的deepseek 100K,browser-use 72.8K,就问你火不火。之前我也分享过其它类...

FlashVSR低分辨率模糊视频高清放大工具整合包v1.1下载,免安装一键启动
FlashVSR-一款高性能可靠的视频超高分辨率放大工具。迈向基于扩散的实时流式视频超分辨率——一种高效的单步扩散框架,用于具有局部约束稀疏注意力和小型条件解码器的流式VSR。 FlashVSR官方介绍 扩散模型最近在视频修复方面取得了进展...









