HeyGem – 免费开源数字人

简介

Heygem 是由硅基智能推出的开源数字人模型，专为 Windows 系统打造，仅需用户提供 10 秒的视频，即可在 30 秒内完成数字人形象与声音的克隆，并在 60 秒内合成 4K 超高清视频。该模型支持多语言输出与丰富的表情动作，具备 100% 精准口型匹配能力，即使在复杂光影或存在遮挡的场景下，也能呈现高度逼真的效果。

Heygem 采用全离线运行模式，有效保护用户隐私。它支持在低配置硬件上部署，显著降低了使用门槛，为内容创作、直播、教育等多个领域提供了高效且低成本的数字人解决方案。

链接

GitHub 仓库： https://github.com/duixcom/Duix.Heygem

本地安装教程

Heygem 的主要功能

• 秒级克隆： 仅需 10 秒视频，即可完成数字人形象和声音的克隆。克隆过程在 30 秒内完成，4K 超高清数字人视频合成在 60 秒内完成。
• 高效推理： 推理速度达到 1:0.5，视频合成速度达到 1:2。
• 高质量输出： 支持生成 4K 超高清、32 帧率的视频输出，帧率超过好莱坞电影 24 帧的标准。
• 多语言支持： 克隆生成的数字人支持 8 种语言输出，满足全球化应用需求。
• 无限量克隆： 支持无限量克隆数字人形象和声音，并无限量合成视频。
• 100% 口型匹配： 在复杂光影、遮挡或侧面角度等挑战性条件下，仍能实现高度逼真的口型匹配。
• 低配可跑： 支持 Docker 一键部署。

Heygem 的技术原理

• 声音克隆技术： 基于 AI 等先进技术，根据输入的声音样本生成高度相似或相同的声音，精准捕捉原声的语境、语调、语速等特征。
• 自动语音识别： 将人类语音内容转换为计算机可读的输入，使系统能够“理解”语音信息。
• 计算机视觉技术： 应用于视频合成中的视觉处理环节，包括面部识别、口型分析等关键技术，确保虚拟形象的口型与对应的声音及文字内容完全同步匹配。

安装要求

• 系统要求： 支持 Windows 10 (版本 19042.1526 或更高)。
• 硬件推荐：
  • CPU： 第 13 代英特尔酷睿 i5-13400F
  • 内存： 32GB
  • 显卡： NVIDIA RTX 4070