نموذج مدعوم بالصوت يولد فيديو محادثة لعدة أشخاص من تدفقات صوتية متعددة وصورة مرجعية.
إنشاء محادثة بين عدة أشخاص، حيث تتزامن حركة الشفاه لكل منهم مع صوته الخاص.
MultiTalk هو إطار عمل من MeiGen-AI لفيديو المحادثة متعدد الأشخاص المدعوم بالصوت. بالاعتماد على تدفقات صوتية منفصلة، وصورة مرجعية، وموجه (prompt)، فإنه يقوم بعرض أشخاص يتفاعلون مع حركة شفاه متطابقة. يناسب المطورين الذين يمتلكون وحدة معالجة رسوميات (GPU) قوية.
يصف ملف README إدخال صوتي متعدد التدفقات بالإضافة إلى موجه، مع الاستدلال بعدة وحدات معالجة رسوميات (Multi-GPU)، وTeaCache، وAPG، وضع ذاكرة الفيديو المنخفضة (low-VRAM) الذي يشغل دقة 480P على بطاقة RTX 4090 واحدة. يدعم الكود الحالي دقة 480P فقط على وحدة معالجة رسوميات واحدة، وتتطلب دقة 720P وحدات معالجة رسوميات متعددة.
يُناسب الباحثين والمطورين الذين ينشئون مقاطع متعددة المتحدثين مثل المقابلات. ولا يناسب المستخدمين الذين يريدون استوديو أو قوالب أو أصوات مدمجة.
تتحكم مسارات صوتية منفصلة في كل شخص.
يصف موجه نصي كيف يتفاعل الأشخاص.
دقة 480P على بطاقة RTX 4090 واحدة.
توزع نصوص torchrun العمل عبر وحدات معالجة الرسوميات.
خيارات التسريع وتقليل التشوهات.
تصل التكاملات المجتمعية إلى 8 GB من ذاكرة الفيديو (VRAM).
مجاني بموجب ترخيص Apache-2.0. لا يُدرج ملف README أي خطة استضافة أو خطة مدفوعة، لذا فإن التكلفة الوحيدة هي وحدة معالجة الرسوميات الخاصة بك أو المستأجرة.
896 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٦ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
نعم. يأخذ إدخالاً صوتياً متعدد التدفقات ويحرك كل شخص بصوته الخاص.
نعم بدقة 480P: يقول ملف README إن وضع ذاكرة الفيديو المنخفضة (low-VRAM) يتيح دقة 480P على بطاقة RTX 4090 واحدة. تتطلب دقة 720P عدة وحدات معالجة رسوميات.
الكود مرخص برخصة Apache-2.0؛ تحقق من ترخيص أوزان النموذج الأساسي التي يقوم بتنزيلها.
شاهد Zekai أولاً في جوجل