Wav2Lip实践

1. 安装

1.1  安装 conda以指定python版本运行环境

下载：Index of /https://repo.anaconda.com/archive/index.html

1.2 如按旧项目基于python3.6版本对话，会有很多包找不到的情况，经摸索后以python3.9构建成功，

conda install --channel defaults conda python=3.9 --yes
conda update --channel defaults --all --yes

conda update -n base -c defaults conda
conda create -n py3.9 python=3.9


conda activate py3.9
conda deactivate

conda env list

#添加阿里源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
pip config set install.trusted-host mirrors.aliyun.com

requirements.txt 内容 

#librosa==0.7.0
librosa
#numpy==1.17.1
numpy==1.24
opencv-contrib-python>=4.2.0.34
#opencv-python==4.1.0.25
opencv-python
#torch==1.1.0
torch
#torchvision==0.3.0
torchvision
tqdm==4.45.0
#numba==0.48
numba

(py3.9) D:\Projects\Wav2Lip>pip install -r requirements.txt 

2. CPU与GPU驱动模式 

装好后，程序没检查到可用的cuda的话，会使用CPU模式跑，直接拉满100%使用率，一条20秒的片子合成约需20mins 。

手上有块NVDIA GeForce RTX 3060，需分别安装 CUDA, cuDNN 及对应python库的支持，参考CUDA安装教程_SU_ZCS的博客-CSDN博客，一条20秒的片子合成约需6mins，提升一倍多。

命令example:

python inference.py --checkpoint_path wav2lip_gan.pth --face D:\Projects\NetworkShow\src\video\digitalman.jpg --audio D:\Projects\NetworkShow\src\digitalman\0.mp3 --outfile D:\Projects\NetworkShow\result\0.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face D:\Projects\NetworkShow\src\video\digitalman.jpg --audio D:\Projects\NetworkShow\src\digitalman\1.mp3 --outfile D:\Projects\NetworkShow\result\1.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face D:\Projects\NetworkShow\src\video\digitalman.jpg --audio D:\Projects\NetworkShow\src\digitalman\2.mp3 --outfile D:\Projects\NetworkShow\result\2.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face D:\Projects\NetworkShow\src\video\digitalman.jpg --audio D:\Projects\NetworkShow\src\digitalman\3.mp3 --outfile D:\Projects\NetworkShow\result\3.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face D:\Projects\NetworkShow\src\video\digitalman.jpg --audio D:\Projects\NetworkShow\src\digitalman\4.mp3 --outfile D:\Projects\NetworkShow\result\4.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face D:\Projects\NetworkShow\src\video\digitalman.jpg --audio D:\Projects\NetworkShow\src\digitalman\5.mp3 --outfile D:\Projects\NetworkShow\result\5.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face D:\Projects\NetworkShow\src\video\digitalman.jpg --audio D:\Projects\NetworkShow\src\digitalman\6.mp3 --outfile D:\Projects\NetworkShow\result\6.mp4

python inference.py --checkpoint_path wav2lip_gan.pth --face src/video/a1.mp4 --audio src/audio/a1.wav --outfile results/a1.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face src/video/a2.mp4 --audio src/audio/a2.wav --outfile results/a2.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face src/video/a3.mp4 --audio src/audio/a3.wav --outfile results/a3.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face src/video/a4.mp4 --audio src/audio/a4.wav --outfile results/a4.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face src/video/a5.mp4 --audio src/audio/a5.wav --outfile results/a5.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face src/video/a6.mp4 --audio src/audio/a6.wav --outfile results/a6.mp4
python inference.py --checkpoint_path wav2lip_gan.pth --face src/video/a8.mp4 --audio src/audio/a8.wav --outfile results/a8.mp4