आपके काम के लिए रेटेड एआई टूल
AI ट्रेन करके कमाएँ
🤝 आप फ्री & ओपन सोर्स लाइब्रेरी में हैं — समुदाय द्वारा बनाए गए टूल जिन्हें आप बिना भुगतान किए उपयोग कर सकते हैं। हमारी स्कोर की गई AI डायरेक्टरी से अलग एक अवधारणा।
होम › फ्री & ओपन सोर्स › वीडियो › SadTalker
✦ फ्री & ओपन सोर्सवीडियो

SadTalker

एक पोर्ट्रेट इमेज और एक ऑडियो क्लिप को मिलाकर टॉकिंग-हेड वीडियो बनाता है, जो CVPR 2023 रिसर्च प्रोजेक्ट से है।

ऑडियो से फोटो को बुलवाएं

एक पोर्ट्रेट और एक ऑडियो फाइल से आपकी अपनी मशीन पर टॉकिंग-हेड वीडियो तैयार होता है।

हमेशा के लिए मुफ़्त · ओपन सोर्स · Apache-2.0
✓ Needs IT✓ ब्राउज़र-आधारित✓ रियल-टाइम सहयोग
4.6
ZEKAI
रिसर्च-ग्रेड टॉकिंग हेड
फ्री & ओपन सोर्स · वीडियो
सेटअप की आसानी3
उपयोगिता5
रखरखाव2
समुदाय8.5
★ 14,200
गिटहब
Jun 2024
अपडेटेड
Apache-2.0
लाइसेंस
🛠 खुद होस्ट नहीं करना चाहते? हम इसे सेट कर सकते हैं →
⚡ त्वरित उत्तर

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।

इस पर चलता है
Cross-platform
होस्टिंग
Desktop
भाषाएँ
Python
लाइसेंस
Apache-2.0

यह क्या 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।

किसके लिए

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।

मुख्य विशेषताएँ

सिंगल इमेज से वीडियो

एक पोर्ट्रेट और एक ऑडियो फाइल प्रदान करें और यह टॉकिंग वीडियो जनरेट करता है।

फेस एनहांसर विकल्प

जनरेट किए गए चेहरे की क्वालिटी में सुधार करने के लिए `--enhancer gfpgan` जोड़ें।

स्टिल और फुल मोड

`--still` के साथ `--preprocess full` जोड़ने पर अधिक नेचुरल फुल-इमेज परिणाम मिलता है।

रेफरेंस और रिसाइज मोड

पोज़ रेफरेंस और रिसाइजिंग के लिए बाद के संस्करणों में जोड़े गए अतिरिक्त मोड।

Gradio WebUI

बहाव इंटरफेस के लिए `app_sadtalker.py` या webui.bat/webui.sh चलाएं।

Stable Diffusion WebUI एक्सटेंशन

stable-diffusion-webui के लिए एक एक्सटेंशन इसके अपने डॉक्स के साथ पब्लिश किया गया है।

कैसे शुरू करें

3 चरणों में तैयार

1
Anaconda, git और ffmpeg इंस्टॉल करें, फिर एक Python 3.8 पर्यावरण (environment) बनाएं और PyTorch 1.12.1 और requirements.txt इंस्टॉल करें जैसा कि README सूचीबद्ध करता है।
2
चेकपॉइंट्स लाने के लिए `bash scripts/download_models.sh` (Linux/macOS) चलाएं, या उन्हें मैन्युअल रूप से checkpoints फ़ोल्डर में डाउनलोड करें।
3
`python inference.py --driven_audio <audio.wav> --source_image <picture.png> --enhancer gfpgan` चलाएं और results/ के तहत वीडियो ढूंढें।
सच कहें तो

हमारा ईमानदार फैसला

क्या अच्छा है

  • यह ऑफ़लाइन चलता है; डिस्क्लेमर कहता है कि कोड पर्सनल जानकारी कलेक्ट नहीं करता है, इसलिए सोर्स फोटो आपकी मशीन पर ही रहते हैं।
  • केवल एक इमेज की आवश्यकता होती है, जबकि कई लिप-सिंक टूल को सोर्स वीडियो की उम्मीद होती है।
  • README का कहना है कि लाइसेंस Apache 2.0 में बदल गया और गैर-व्यावसायिक प्रतिबंध हटा दिया गया।
  • एक Windows start.bat और Linux स्क्रिप्ट्स मॉडल डाउनलोड करती हैं, इसलिए सेटअप दोनों सिस्टम के लिए प्रलेखित है।

कहाँ कमी है

  • सेटअप पुराना और भारी है: README में Python 3.8, CUDA 11.3 के साथ PyTorch 1.12.1, ffmpeg और डाउनलोड किए गए चेकपॉइंट्स की एक लंबी सूची की मांग की गई है।
  • README का चेंजलॉग 2023 में समाप्त होता है और नवीनतम टैग किया गया रिलीज़ v0.0.2 है, इसलिए बहुत कम सक्रिय विकास की उम्मीद करें।
  • LICENSE का कहना है कि सूचीबद्ध थर्ड-पार्टी घटकों को छोड़कर Apache 2.0 लागू होता है, इसलिए आपको अपने उपयोग के लिए wav2lip और 3DMM फाइलों जैसे बंडल किए गए मॉडल की जाँच करनी चाहिए।
  • README का डिस्क्लेमर धोखाधड़ी, छल या पोर्ट्रेट अधिकारों के उल्लंघन के लिए इसका उपयोग करने के खिलाफ चेतावनी देता है; किसी के चेहरे को एनिमेट करते समय सहमति के लिए आप जिम्मेदार हैं।
लागत

मूल्य & लाइसेंस

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।

पेड वर्क

हिंदी बोलने वालों के लिए जॉब्स

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।

सभी खुले रोल देखें →
तुलना

विकल्प

🎁 फ्री & ओपन-सोर्स विकल्प

ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।

और पाएं

इसे उपयोग करें, या हमसे सेट करवाएं

📄 मुफ़्त PDF: वीडियो के लिए SadTalker
आपका पहला परिणाम पाने के लिए सरल भाषा में गाइड। आपके इनबॉक्स में।
🔔 64 लोग पूरा वीडियो ट्यूटोरियल चाहते हैं — अपना वोट जोड़ें
🛠 खुद सेट नहीं करना चाहते?
हम SadTalker को आपके लिए इंस्टॉल, होस्ट और कॉन्फ़िगर करेंगे — और आपकी टीम को प्रशिक्षित करेंगे।
हमसे करवाएं ↗
प्रश्न

सामान्य प्रश्न

क्या मैं SadTalker का व्यावसायिक रूप से उपयोग कर सकता हूँ?

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।

क्या इसे GPU की आवश्यकता है?

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।

क्या इसका कोई होस्टेड संस्करण 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।

रडार

ताज़ा AI समाचार

✉️ साप्ताहिक मुफ़्त टूलकिट
वीडियो के लिए सर्वश्रेष्ठ नए फ्री & ओपन-सोर्स टूल — हर हफ्ते एक छोटा ईमेल, आपकी भाषा में।
मुफ़्त · 1 ईमेल/सप्ताह · कभी भी अनसब्सक्राइब करें
AI ट्रेनिंग से पैसे कमाएँ →

Google में Zekai को सबसे पहले देखें