एक पोर्ट्रेट इमेज और एक ऑडियो क्लिप को मिलाकर टॉकिंग-हेड वीडियो बनाता है, जो CVPR 2023 रिसर्च प्रोजेक्ट से है।
एक पोर्ट्रेट और एक ऑडियो फाइल से आपकी अपनी मशीन पर टॉकिंग-हेड वीडियो तैयार होता है।
SadTalker एक सिंगल फेस इमेज को एनिमेट करता है ताकि वह हेड मूवमेंट और एक्सप्रेसन्स के साथ एक ऑडियो ट्रैक बोल सके। यह उन रिसर्चर्स और हॉबीस्ट के लिए उपयुक्त है जो Python और GPU के साथ सहज हैं, न कि किसी ऐसे व्यक्ति के लिए जो लगातार अपडेट के साथ एक पॉलिश प्रोडक्ट की उम्मीद कर रहा है।
आप एक ड्रिवन ऑडियो फाइल और सोर्स इमेज या वीडियो के साथ `inference.py` चलाते हैं, जिसमें वैकल्पिक रूप से GFPGAN फेस एनहांसर जोड़ा जा सकता है। इसमें स्टिल, रेफरेंस और रिसाइज मोड के साथ अपर-बॉडी क्लिप के लिए फुल-इमेज मोड, और एक Gradio WebUI या Stable Diffusion WebUI एक्सटेंशन मिलता है।
यह ऑडियो-ड्रिवन एनिमेशन पर काम करने वाले तकनीकी यूजर्स और रिसर्चर्स के लिए उपयुक्त है जो पुराने PyTorch बिल्ड इंस्टॉल कर सकते हैं और चेकपॉइंट्स डाउनलोड कर सकते हैं। यह गैर-तकनीकी क्रिएटर्स के लिए उपयुक्त नहीं है, और README का अपना चेंजलॉग 2023 में समाप्त होता है।
एक पोर्ट्रेट और एक ऑडियो फाइल प्रदान करें और यह टॉकिंग वीडियो जनरेट करता है।
जनरेट किए गए चेहरे की क्वालिटी में सुधार करने के लिए `--enhancer gfpgan` जोड़ें।
`--still` के साथ `--preprocess full` जोड़ने पर अधिक नेचुरल फुल-इमेज परिणाम मिलता है।
पोज़ रेफरेंस और रिसाइजिंग के लिए बाद के संस्करणों में जोड़े गए अतिरिक्त मोड।
बहाव इंटरफेस के लिए `app_sadtalker.py` या webui.bat/webui.sh चलाएं।
stable-diffusion-webui के लिए एक एक्सटेंशन इसके अपने डॉक्स के साथ पब्लिश किया गया है।
SadTalker Apache-2.0 लाइसेंस के तहत है और खुद से चलाने के लिए मुफ्त है। README में एक मुफ्त Discord बॉट और Hugging Face व Colab डेमो का उल्लेख है, लेकिन कोई पेड प्लान नहीं दिखाया गया है। आपका खर्च एक GPU मशीन और इसे सेट अप करने का समय है।
873 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
README का कहना है कि लाइसेंस को Apache 2.0 में अपडेट किया गया था और गैर-व्या व्यावसायिक प्रतिबंध हटा दिया गया था। LICENSE में थर्ड-पार्टी घटकों को छूट दी गई है, इसलिए व्यावसायिक उपयोग से पहले बंडल किए गए मॉडल की जाँच करें।
इंस्टॉल गाइड PyTorch के CUDA बिल्ड को पिन करती है और प्रोजेक्ट GPU के उपयोग के इर्द-गिर्द बनाया गया है; README न्यूनतम कार्ड नहीं बताता है।
README एक Hugging Face स्पेस डेमो और Colab नोटबुक को लिंक करता है, लेकिन प्रोजेक्ट अपने आप में कोड है जिसे आप खुद चलाते हैं।
Google में Zekai को सबसे पहले देखें