三、让照片说话

    如何用一张照片做出连贯视频？研究人员认为，这需要时序生成对抗网络（Temporal GAN）来帮忙。这是一个端对端的语音驱动的面部动画合成模型，通过静止图像和一个语音生成人脸视频。模型由时间生成器和3个鉴别器构成，这个生成器由内容编码器（Content Encoder)，一个鉴别编码器（Identity Encoder）、一个帧解码器（Frame Decoder）和声音解码器（Noise Generator）组成，不同模块组合成一个可嵌入模块，通过解码网络转换成帧。
    开源项目地址：https://github.com/DinoMan/speech-driven-animation
    观看示例动画：https://sites.google.com/view/facial-animation
1、项目下载
    git clone https://github.com/DinoMan/speech-driven-animation
2、下载模型库
    进入下载地址：https://drive.google.com/drive/folders/17Dc2keVoNSrlrOdLL3kXdM8wjb20zkbF
    将模型文件放在sda/data/
3、安装库
    cd /home/project/speech-driven-animation
    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
    pip install . 
4、在linux上运行程序
    模型已经在 GRID、TCD-TIMIT、CREMA-D 和 LRW 数据集上进行了训练。默认模型是 GRID，可以指定TIMIT,CRE