प्लगइन कॉन्फ़िगरेशन

मॉडल कॉन्फ़िगरेशन

स्टैंडर्ड मॉडल कॉन्फ़िगरेशन

Create Runtime Viseme Generator नोड डिफ़ॉल्ट सेटिंग्स का उपयोग करता है जो अधिकांश परिदृश्यों के लिए अच्छी तरह काम करती हैं। कॉन्फ़िगरेशन एनीमेशन ब्लूप्रिंट ब्लेंडिंग नोड गुणों के माध्यम से संभाला जाता है।

एनीमेशन ब्लूप्रिंट कॉन्फ़िगरेशन विकल्पों के लिए, नीचे लिप सिंक कॉन्फ़िगरेशन अनुभाग देखें।

रियलिस्टिक मॉडल कॉन्फ़िगरेशन

Create Realistic MetaHuman Lip Sync Generator नोड एक वैकल्पिक Configuration पैरामीटर स्वीकार करता है जो आपको जनरेटर के व्यवहार को अनुकूलित करने की अनुमति देता है:

मॉडल प्रकार

Model Type सेटिंग निर्धारित करती है कि रियलिस्टिक मॉडल के किस संस्करण का उपयोग करना है:

मॉडल प्रकार	प्रदर्शन	दृश्य गुणवत्ता	शोर हैंडलिंग	अनुशंसित उपयोग के मामले
अत्यधिक अनुकूलित (डिफ़ॉल्ट)	उच्चतम प्रदर्शन, सबसे कम CPU उपयोग	अच्छी गुणवत्ता	पृष्ठभूमि शोर या गैर-आवाज ध्वनियों के साथ ध्यान देने योग्य मुंह की हरकतें दिखा सकता है	साफ ऑडियो वातावरण, प्रदर्शन-महत्वपूर्ण परिदृश्य
अर्ध-अनुकूलित	अच्छा प्रदर्शन, मध्यम CPU उपयोग	उच्च गुणवत्ता	शोर भरे ऑडियो के साथ बेहतर स्थिरता	संतुलित प्रदर्शन और गुणवत्ता, मिश्रित ऑडियो स्थितियां
मूल	आधुनिक CPUs पर रियल-टाइम उपयोग के लिए उपयुक्त	उच्चतम गुणवत्ता	पृष्ठभूमि शोर और गैर-आवाज ध्वनियों के साथ सबसे स्थिर	उच्च-गुणवत्ता वाले प्रोडक्शन, शोर भरे ऑडियो वातावरण, जब अधिकतम सटीकता की आवश्यकता हो

प्रदर्शन सेटिंग्स

Intra Op Threads: आंतरिक मॉडल प्रसंस्करण संचालन के लिए उपयोग किए जाने वाले थ्रेड्स की संख्या को नियंत्रित करता है।

• 0 (डिफ़ॉल्ट/स्वचालित): स्वचालित पहचान का उपयोग करता है (आमतौर पर उपलब्ध CPU कोर का 1/4, अधिकतम 4)
• 1-16: मैन्युअल रूप से थ्रेड काउंट निर्दिष्ट करें। उच्च मान मल्टी-कोर सिस्टम पर प्रदर्शन में सुधार कर सकते हैं लेकिन अधिक CPU का उपयोग करते हैं

Inter Op Threads: विभिन्न मॉडल संचालन के समानांतर निष्पादन के लिए उपयोग किए जाने वाले थ्रेड्स की संख्या को नियंत्रित करता है।

• 0 (डिफ़ॉल्ट/स्वचालित): स्वचालित पहचान का उपयोग करता है (आमतौर पर उपलब्ध CPU कोर का 1/8, अधिकतम 2)
• 1-8: मैन्युअल रूप से थ्रेड काउंट निर्दिष्ट करें। आमतौर पर रियल-टाइम प्रसंस्करण के लिए कम रखा जाता है

प्रोसेसिंग चंक साइज़

Processing Chunk Size निर्धारित करता है कि प्रत्येक इन्फ़रेंस स्टेप में कितने सैंपल प्रोसेस किए जाते हैं। डिफ़ॉल्ट मान 160 सैंपल है (16kHz पर 10ms का ऑडियो):

• छोटे मान अधिक बार अपडेट प्रदान करते हैं लेकिन CPU उपयोग बढ़ाते हैं
• बड़े मान CPU लोड कम करते हैं लेकिन लिप सिंक की प्रतिक्रियाशीलता कम कर सकते हैं
• इष्टतम संरेखण के लिए 160 के गुणकों का उपयोग करने की अनुशंसा की जाती है

मूड-सक्षम मॉडल कॉन्फ़िगरेशन

Create Realistic MetaHuman Lip Sync With Mood Generator नोड बेसिक रियलिस्टिक मॉडल से परे अतिरिक्त कॉन्फ़िगरेशन विकल्प प्रदान करता है:

बेसिक कॉन्फ़िगरेशन

लुकअहेड एमएस: बेहतर लिप सिंक सटीकता के लिए लुकअहेड समय।

• डिफ़ॉल्ट: 80ms
• रेंज: 20ms से 200ms (20 से विभाज्य होना चाहिए)
• उच्च मान बेहतर सिंक्रनाइज़ेशन प्रदान करते हैं लेकिन विलंबता बढ़ाते हैं

आउटपुट प्रकार: नियंत्रित करता है कि कौन से चेहरे के नियंत्रण उत्पन्न होते हैं।

• फुल फेस: सभी 81 चेहरे के नियंत्रण (भौहें, आँखें, नाक, मुँह, जबड़ा, जीभ)
• माउथ ओनली: केवल मुँह, जबड़ा और जीभ से संबंधित नियंत्रण

प्रदर्शन सेटिंग्स: नियमित यथार्थवादी मॉडल के समान इंट्रा ऑप थ्रेड्स और इंटर ऑप थ्रेड्स सेटिंग्स का उपयोग करता है।

मूड सेटिंग्स

उपलब्ध मूड:

• Neutral, Happy, Sad, Disgust, Anger, Surprise, Fear
• Confident, Excited, Bored, Playful, Confused

मूड तीव्रता: नियंत्रित करती है कि मूड एनीमेशन को कितनी दृढ़ता से प्रभावित करता है (0.0 से 1.0)

रनटाइम मूड कंट्रोल

आप रनटाइम के दौरान निम्नलिखित फ़ंक्शन का उपयोग करके मूड सेटिंग्स समायोजित कर सकते हैं:

• सेट मूड: वर्तमान मूड प्रकार बदलें
• सेट मूड इंटेंसिटी: समायोजित करें कि मूड एनीमेशन को कितनी दृढ़ता से प्रभावित करता है (0.0 से 1.0)
• सेट लुकअहेड एमएस: सिंक्रनाइज़ेशन के लिए लुकअहेड समय संशोधित करें
• सेट आउटपुट टाइप: फुल फेस और माउथ ओनली नियंत्रणों के बीच स्विच करें

मूड चयन गाइड

अपनी सामग्री के आधार पर उपयुक्त मूड चुनें:

मूड	सर्वोत्तम उपयोग	विशिष्ट तीव्रता सीमा
Neutral	सामान्य बातचीत, वर्णन, डिफ़ॉल्ट स्थिति	0.5 - 1.0
Happy	सकारात्मक सामग्री, हंसमुख संवाद, उत्सव	0.6 - 1.0
Sad	उदासी भरी सामग्री, भावनात्मक दृश्य, गंभीर क्षण	0.5 - 0.9
Disgust	नकारात्मक प्रतिक्रियाएं, अरुचिकर सामग्री, अस्वीकृति	0.4 - 0.8
Anger	आक्रामक संवाद, टकराव वाले दृश्य, निराशा	0.6 - 1.0
Surprise	अप्रत्याशित घटनाएं, रहस्योद्घाटन, सदमे की प्रतिक्रियाएं	0.7 - 1.0
Fear	खतरनाक स्थितियां, चिंता, घबराया हुआ संवाद	0.5 - 0.9
Confident	पेशेवर प्रस्तुतियां, नेतृत्व संवाद, मुखर भाषण	0.7 - 1.0
Excited	ऊर्जावान सामग्री, घोषणाएं, उत्साही संवाद	0.8 - 1.0
Bored	एकरस सामग्री, अरुचि वाला संवाद, थका हुआ भाषण	0.3 - 0.7
Playful	आकस्मिक बातचीत, हास्य, हल्के-फुल्के संवाद	0.6 - 0.9
Confused	प्रश्न-प्रधान संवाद, अनिश्चितता, हैरानी	0.4 - 0.8

एनीमेशन ब्लूप्रिंट कॉन्फ़िगरेशन

लिप सिंक कॉन्फ़िगरेशन

Standard Model

Blend Runtime MetaHuman Lip Sync नोड में इसके गुण पैनल में कॉन्फ़िगरेशन विकल्प हैं:

गुण	डिफ़ॉल्ट	विवरण
इंटरपोलेशन गति	25	नियंत्रित करता है कि विसेम्स के बीच होंठों की गतिविधियाँ कितनी तेज़ी से संक्रमण करती हैं। उच्च मान तेज़ और अधिक अचानक संक्रमणों का परिणाम देते हैं।
रीसेट समय	0.2	सेकंड में वह अवधि जिसके बाद लिप सिंक रीसेट हो जाता है। ऑडियो रुकने के बाद लिप सिंक को जारी रहने से रोकने के लिए यह उपयोगी है।

Realistic Models

Blend Realistic MetaHuman Lip Sync नोड में इसके गुण पैनल में कॉन्फ़िगरेशन विकल्प हैं:

गुण	डिफ़ॉल्ट	विवरण
इंटरपोलेशन गति	30	नियंत्रित करता है कि सक्रिय भाषण के दौरान चेहरे के भाव कितनी तेज़ी से संक्रमण करते हैं। उच्च मान तेज़ और अधिक अचानक संक्रमणों का परिणाम देते हैं।
निष्क्रिय इंटरपोलेशन गति	15	नियंत्रित करता है कि चेहरे के भाव निष्क्रिय/तटस्थ अवस्था में कितनी तेज़ी से वापस संक्रमण करते हैं। कम मान आराम मुद्रा में अधिक सहज और क्रमिक वापसी बनाते हैं।
रीसेट समय	0.2	सेकंड में वह अवधि जिसके बाद लिप सिंक निष्क्रिय अवस्था में रीसेट हो जाता है। ऑडियो रुकने के बाद भावों को जारी रहने से रोकने के लिए उपयोगी है।
निष्क्रिय अवस्था संरक्षित करें	false	सक्षम होने पर, तटस्थ पर वापस रीसेट करने के बजाय निष्क्रिय अवधियों के दौरान अंतिम भावनात्मक अवस्था को संरक्षित करता है।
आँखों के भाव संरक्षित करें	true	नियंत्रित करता है कि क्या निष्क्रिय अवस्था के दौरान आँखों से संबंधित चेहरे के नियंत्रण संरक्षित रहते हैं। केवल तभी प्रभावी होता है जब निष्क्रिय अवस्था संरक्षित करें सक्षम हो।
भौंहों के भाव संरक्षित करें	true	नियंत्रित करता है कि क्या निष्क्रिय अवस्था के दौरान भौंहों से संबंधित चेहरे के नियंत्रण संरक्षित रहते हैं। केवल तभी प्रभावी होता है जब निष्क्रिय अवस्था संरक्षित करें सक्षम हो।
मुँह का आकार संरक्षित करें	false	नियंत्रित करता है कि क्या निष्क्रिय अवस्था के दौरान मुँह के आकार नियंत्रण (जीभ और जबड़े जैसी भाषण-विशिष्ट गतिविधियों को छोड़कर) संरक्षित रहते हैं। केवल तभी प्रभावी होता है जब निष्क्रिय अवस्था संरक्षित करें सक्षम हो।

निष्क्रिय अवस्था संरक्षण

निष्क्रिय अवस्था संरक्षित करें सुविधा संबोधित करती है कि Realistic मॉडल मौन अवधियों को कैसे संभालता है। Standard मॉडल के विपरीत जो असतत विसेम्स का उपयोग करता है और लगातार मौन के दौरान शून्य मानों पर वापस लौटता है, Realistic मॉडल का न्यूरल नेटवर्क सूक्ष्म चेहरे की स्थिति बनाए रख सकता है जो MetaHuman की डिफ़ॉल्ट आराम मुद्रा से भिन्न होती है।

कब सक्षम करें:

• भाषण खंडों के बीच भावनात्मक भाव बनाए रखना
• चरित्र व्यक्तित्व लक्षणों को संरक्षित करना
• सिनेमाई अनुक्रमों में दृश्य निरंतरता सुनिश्चित करना

क्षेत्रीय नियंत्रण विकल्प:

• आँखों के भाव: आँखों की मुड़ने, चौड़ी होने और पलकों की स्थिति को संरक्षित करता है
• भौंहों के भाव: भौंहों और माथे की स्थिति को बनाए रखता है
• मुँह का आकार: सामान्य मुँह की वक्रता को बनाए रखता है जबकि भाषण गतिविधियों (जीभ, जबड़ा) को रीसेट करने की अनुमति देता है

हँसी एनीमेशन

आप ऑडियो में पहचाने गए हँसी के अनुसार गतिशील रूप से प्रतिक्रिया देने वाले हँसी एनिमेशन भी जोड़ सकते हैं:

1. Blend Runtime MetaHuman Laughter नोड जोड़ें
2. अपने RuntimeVisemeGenerator वेरिएबल को Viseme Generator पिन से कनेक्ट करें
3. यदि आप पहले से ही लिप सिंक का उपयोग कर रहे हैं:
   • Blend Runtime MetaHuman Lip Sync नोड के आउटपुट को Blend Runtime MetaHuman Laughter नोड के Source Pose से कनेक्ट करें
   • Blend Runtime MetaHuman Laughter नोड के आउटपुट को Output Pose के Result पिन से कनेक्ट करें
4. यदि लिप सिंक के बिना केवल हँसी का उपयोग कर रहे हैं:
   • अपने स्रोत पोज़ को सीधे Blend Runtime MetaHuman Laughter नोड के Source Pose से कनेक्ट करें
   • आउटपुट को Result पिन से कनेक्ट करें

जब ऑडियो में हँसी पहचानी जाती है, तो आपका कैरेक्टर गतिशील रूप से तदनुरूप एनिमेट होगा:

हँसी कॉन्फ़िगरेशन

Blend Runtime MetaHuman Laughter नोड के अपने कॉन्फ़िगरेशन विकल्प हैं:

प्रॉपर्टी	डिफ़ॉल्ट	विवरण
इंटरपोलेशन स्पीड	25	हँसी एनिमेशन के बीच होंठों की गतिविधियों के संक्रमण की गति को नियंत्रित करता है। उच्च मान तेज़ और अधिक अचानक संक्रमण का परिणाम देते हैं।
रीसेट टाइम	0.2	सेकंड में वह अवधि जिसके बाद हँसी रीसेट हो जाती है। यह ऑडियो बंद होने के बाद हँसी को जारी रहने से रोकने के लिए उपयोगी है।
मैक्स लाफ्टर वेट	0.7	हँसी एनिमेशन की अधिकतम तीव्रता को स्केल करता है (0.0 - 1.0)।

नोट: हँसी पहचान वर्तमान में केवल स्टैंडर्ड मॉडल के साथ उपलब्ध है।

मौजूदा एनिमेशन के साथ संयोजन

लिप सिंक और हँसी को मौजूदा बॉडी एनिमेशन और कस्टम फेशियल एनिमेशन के साथ उन्हें ओवरराइड किए बिना लागू करने के लिए:

1. अपनी बॉडी एनिमेशन और फाइनल आउटपुट के बीच एक Layered blend per bone नोड जोड़ें। सुनिश्चित करें कि Use Attached Parent सही है।
2. लेयर सेटअप कॉन्फ़िगर करें:
   • Layer Setup ऐरे में 1 आइटम जोड़ें
   • लेयर के लिए Branch Filters में 3 आइटम जोड़ें, निम्नलिखित Bone Name के साथ:
     • FACIAL_C_FacialRoot
     • FACIAL_C_Neck2Root
     • FACIAL_C_Neck1Root
3. कस्टम फेशियल एनिमेशन के लिए महत्वपूर्ण: Curve Blend Option में, "Use Max Value" चुनें। यह कस्टम फेशियल एनिमेशन (एक्सप्रेशन, इमोशन, आदि) को लिप सिंक के ऊपर ठीक से लेयर करने की अनुमति देता है।
4. कनेक्शन बनाएँ:
   • मौजूदा एनिमेशन (जैसे BodyPose) → Base Pose इनपुट
   • फेशियल एनिमेशन आउटपुट (लिप सिंक और/या हँसी नोड्स से) → Blend Poses 0 इनपुट
   • लेयर्ड ब्लेंड नोड → फाइनल Result पोज़

लिप सिंक व्यवहार को फाइन-ट्यून करना

जीभ बाहर निकलने का नियंत्रण

मानक लिप सिंक मॉडल में, आप कुछ फोनेम के दौरान अत्यधिक आगे की ओर जीभ की गति देख सकते हैं। जीभ के बाहर निकलने को नियंत्रित करने के लिए:

1. अपने लिप सिंक ब्लेंड नोड के बाद, एक Modify Curve नोड जोड़ें
2. Modify Curve नोड पर राइट-क्लिक करें और Add Curve Pin चुनें
3. CTRL_expressions_tongueOut नाम के साथ एक कर्व पिन जोड़ें
4. नोड की Apply Mode प्रॉपर्टी को Scale पर सेट करें
5. जीभ के विस्तार को नियंत्रित करने के लिए Value पैरामीटर को समायोजित करें (उदाहरण के लिए, 20% तक बाहर निकलने को कम करने के लिए 0.8)

जबड़ा खोलने का नियंत्रण

यथार्थवादी लिप सिंक आपकी ऑडियो सामग्री और दृश्य आवश्यकताओं के आधार पर अत्यधिक प्रतिक्रियाशील जबड़े की गतिविधियाँ उत्पन्न कर सकता है। जबड़ा खोलने की तीव्रता को समायोजित करने के लिए:

1. अपने लिप सिंक ब्लेंड नोड के बाद, एक Modify Curve नोड जोड़ें
2. Modify Curve नोड पर राइट-क्लिक करें और Add Curve Pin चुनें
3. CTRL_expressions_jawOpen नाम के साथ एक कर्व पिन जोड़ें
4. नोड की Apply Mode प्रॉपर्टी को Scale पर सेट करें
5. जबड़ा खोलने की सीमा को नियंत्रित करने के लिए Value पैरामीटर को समायोजित करें (उदाहरण के लिए, जबड़े की गति को 10% कम करने के लिए 0.9)

मूड-विशिष्ट सूक्ष्म समायोजन

मूड-सक्षम मॉडल के लिए, आप विशिष्ट भावनात्मक अभिव्यक्तियों को सूक्ष्मता से समायोजित कर सकते हैं:

भौंह नियंत्रण:

• CTRL_expressions_browRaiseInL / CTRL_expressions_browRaiseInR - भीतरी भौंह उठाना
• CTRL_expressions_browRaiseOuterL / CTRL_expressions_browRaiseOuterR - बाहरी भौंह उठाना
• CTRL_expressions_browDownL / CTRL_expressions_browDownR - भौंह नीचे करना

आँख अभिव्यक्ति नियंत्रण:

• CTRL_expressions_eyeSquintInnerL / CTRL_expressions_eyeSquintInnerR - आँखें सिकोड़ना
• CTRL_expressions_eyeCheekRaiseL / CTRL_expressions_eyeCheekRaiseR - गाल उठाना

मॉडल तुलना और चयन

मॉडल के बीच चयन करना

अपने प्रोजेक्ट के लिए किस लिप सिंक मॉडल का उपयोग करना है, यह तय करते समय इन कारकों पर विचार करें:

विचार	स्टैंडर्ड मॉडल	रियलिस्टिक मॉडल	मूड-सक्षम रियलिस्टिक मॉडल
कैरेक्टर संगतता	MetaHumans और सभी कस्टम कैरेक्टर प्रकार	केवल MetaHumans	केवल MetaHumans
दृश्य गुणवत्ता	कुशल प्रदर्शन के साथ अच्छी लिप सिंक	अधिक प्राकृतिक मुँह की गतिविधियों के साथ बढ़ी हुई यथार्थता	भावनात्मक अभिव्यक्तियों के साथ बढ़ी हुई यथार्थता
प्रदर्शन	मोबाइल/VR सहित सभी प्लेटफॉर्म के लिए अनुकूलित	उच्च संसाधन आवश्यकताएँ	उच्च संसाधन आवश्यकताएँ
सुविधाएँ	14 विसेम, हँसी का पता लगाना	81 फेशियल कंट्रोल, 3 ऑप्टिमाइज़ेशन स्तर	81 फेशियल कंट्रोल, 12 मूड, कॉन्फ़िगरेबल आउटपुट
प्लेटफॉर्म समर्थन	Windows, Android, Quest	Windows, Mac, iOS, Linux	Windows, Mac, iOS, Linux
उपयोग के मामले	सामान्य एप्लिकेशन, गेम, VR/AR, मोबाइल	सिनेमाई अनुभव, क्लोज-अप इंटरैक्शन	भावनात्मक कहानी कहना, उन्नत कैरेक्टर इंटरैक्शन

इंजन संस्करण संगतता

UE 5.2 संगतता समस्या

यदि आप Unreal Engine 5.2 का उपयोग कर रहे हैं, तो यथार्थवादी मॉडल UE की रीसैंपलिंग लाइब्रेरी में एक बग के कारण सही ढंग से काम नहीं कर सकते हैं। UE 5.2 उपयोगकर्ताओं के लिए जिन्हें विश्वसनीय लिप सिंक कार्यक्षमता की आवश्यकता है, कृपया इसके बजाय मानक मॉडल का उपयोग करें।

यह समस्या विशेष रूप से UE 5.2 के लिए है और अन्य इंजन संस्करणों को प्रभावित नहीं करती है।

प्रदर्शन सिफारिशें

• अधिकांश परियोजनाओं के लिए, मानक मॉडल गुणवत्ता और प्रदर्शन का एक उत्कृष्ट संतुलन प्रदान करता है
• यथार्थवादी मॉडल का उपयोग तब करें जब आपको MetaHuman पात्रों के लिए उच्चतम दृश्य निष्ठा की आवश्यकता हो
• मूड-सक्षम यथार्थवादी मॉडल का उपयोग तब करें जब भावनात्मक अभिव्यक्ति नियंत्रण आपके एप्लिकेशन के लिए महत्वपूर्ण हो
• मॉडल के बीच चयन करते समय अपने लक्षित प्लेटफ़ॉर्म की प्रदर्शन क्षमताओं पर विचार करें
• अपने विशिष्ट उपयोग के मामले के लिए सर्वोत्तम संतुलन खोजने के लिए विभिन्न अनुकूलन स्तरों का परीक्षण करें

TTS संगतता

मॉडल प्रकार	स्थानीय TTS समर्थन (Runtime Text To Speech के माध्यम से)	बाहरी TTS समर्थन	टिप्पणियाँ
मानक मॉडल	✅ पूर्ण समर्थन	✅ पूर्ण समर्थन	सभी TTS विकल्पों के साथ संगत
यथार्थवादी मॉडल	❌ सीमित समर्थन	✅ पूर्ण समर्थन	ONNX रनटाइम स्थानीय TTS के साथ संघर्ष करता है
मूड-सक्षम यथार्थवादी मॉडल	✅ पूर्ण समर्थन	✅ पूर्ण समर्थन	सभी TTS विकल्पों के साथ संगत

समस्या निवारण

सामान्य समस्याएँ

यथार्थवादी मॉडल के लिए जनरेटर पुनर्निर्माण: यथार्थवादी मॉडल के साथ विश्वसनीय और सुसंगत संचालन के लिए, निष्क्रियता की अवधि के बाद नए ऑडियो डेटा को फीड करना चाहते हैं तो हर बार जनरेटर को फिर से बनाने की सिफारिश की जाती है। यह ONNX रनटाइम व्यवहार के कारण है जो लिप सिंक को काम करना बंद कर सकता है जब चुप्पी की अवधि के बाद जनरेटर का पुन: उपयोग किया जाता है।

स्थानीय TTS संगतता: Runtime Text To Speech प्लगइन द्वारा प्रदान किया गया स्थानीय TTS वर्तमान में ONNX रनटाइम संघर्षों के कारण नियमित यथार्थवादी मॉडल के साथ समर्थित नहीं है। हालाँकि, यह मानक मॉडल और मूड-सक्षम यथार्थवादी मॉडल दोनों के साथ पूरी तरह से संगत है। यदि आपको विशेष रूप से TTS कार्यक्षमता के साथ नियमित यथार्थवादी मॉडल की आवश्यकता है तो बाहरी TTS सेवाओं का उपयोग करें।

लिप सिंक प्रतिक्रियाशीलता में गिरावट: यदि आप अनुभव करते हैं कि Streaming Sound Wave या Capturable Sound Wave का उपयोग करते समय लिप सिंक समय के साथ कम प्रतिक्रियाशील हो जाता है, तो यह मेमोरी संचय के कारण हो सकता है। डिफ़ॉल्ट रूप से, नया ऑडियो जोड़े जाने पर हर बार मेमोरी को पुन: आवंटित किया जाता है। इस समस्या को रोकने के लिए, संचित मेमोरी को मुक्त करने के लिए ReleaseMemory फ़ंक्शन को समय-समय पर कॉल करें, जैसे कि हर 30 सेकंड या उसके आसपास।

प्रदर्शन अनुकूलन:

• अपनी प्रदर्शन आवश्यकताओं के आधार पर यथार्थवादी मॉडल के लिए प्रोसेसिंग चंक आकार समायोजित करें
• अपने लक्षित हार्डवेयर के लिए उपयुक्त थ्रेड काउंट का उपयोग करें
• मूड-सक्षम मॉडल के लिए Mouth Only आउटपुट प्रकार का उपयोग करने पर विचार करें जब पूर्ण चेहरे की एनीमेशन की आवश्यकता नहीं होती है