Przegląd
Runtime MetaHuman Lip Sync to wtyczka umożliwiająca synchronizację ruchu warg w czasie rzeczywistym, offline i międzyplatformowo zarówno dla postaci MetaHuman, jak i niestandardowych. Pozwala ona animować usta postaci w odpowiedzi na dźwięk wejściowy z różnych źródeł, w tym:
- Wejście z mikrofonu poprzez przechwytywalną falę dźwiękową Runtime Audio Importer's
- Syntezowana mowa z Runtime Text To Speech lub Runtime AI Chatbot Integrator
- Dowolne dane audio w formacie float PCM (tablica próbek zmiennoprzecinkowych)
Wtyczka wewnętrznie generuje wizemy (wizualne reprezentacje fonemów) na podstawie wejścia audio. Ponieważ działa bezpośrednio na danych audio, a nie na tekście, wtyczka obsługuje wielojęzyczne wejście, w tym między innymi angielski, hiszpański, francuski, niemiecki, japoński, chiński, koreański, rosyjski, włoski, portugalski, arabski i hindi. Dosłownie każdy język jest obsługiwany, ponieważ synchronizacja warg jest generowana z fonemów audio, a nie z przetwarzania języka specyficznego dla tekstu.
Model Standardowy produkuje 14 wizemów i wykonuje animację synchronizacji warg przy użyciu predefiniowanego zasobu poz. Natomiast Modele Realistyczne (wyłączne dla postaci MetaHuman) generują 81 zmian kontroli twarzy bez polegania na predefiniowanym zasobie poz, co skutkuje znacznie bardziej realistycznymi animacjami twarzy.
Kompatybilność z Postaciami
Pomimo swojej nazwy, Runtime MetaHuman Lip Sync działa z szerokim zakresem postaci wykraczającym poza same MetaHumany:
Popularne Komercyjne Systemy Postaci
- Postacie Daz Genesis 8/9
- Postacie Reallusion Character Creator 3/4 (CC3/CC4)
- Postacie Mixamo
- Awatary ReadyPlayerMe
Obsługa Standardów Animacji
- Systemy blendshape oparte na FACS
- Standard blendshape Apple ARKit
- Zestawy fonemów Preston Blair
- Systemy fonemów 3ds Max
- Dowolna postać z niestandardowymi celami morfowania dla wyrazów twarzy
Aby uzyskać szczegółowe instrukcje dotyczące używania wtyczki z postaciami innymi niż MetaHuman, zobacz Przewodnik konfiguracji postaci niestandardowych.
Podgląd Animacji
Sprawdź te krótkie animacje, aby zobaczyć jakość animacji synchronizacji warg produkowanej przez wtyczkę w różnych typach postaci i modelach:




Kluczowe Funkcje
- Synchronizacja ust w czasie rzeczywistym z wejścia mikrofonowego
- Obsługa przetwarzania audio offline
- Kompatybilność międzyplatformowa z obsługą platform specyficznych dla modelu
- Obsługa wielu systemów postaci i standardów animacji
- Elastyczne mapowanie wizemów dla niestandardowych postaci
- Uniwersalna obsługa języków - działa z dowolnym językiem mówionym poprzez analizę audio
- Animacja twarzy uwzględniająca nastrój dla lepszej ekspresji
- Konfigurowalne typy wyjścia (pełna twarz lub tylko sterowanie ustami)
Modele Synchronizacji Ust
Plugin oferuje wiele modeli synchronizacji ust, aby sprostać różnym potrzebom projektu:
- Model Standardowy
- Model Realistyczny
- Model Realistyczny z Obsługą Nastroju
Standardowy model synchronizacji ust zapewnia wydajność międzyplatformową i szeroką kompatybilność z postaciami:
- Działa z MetaHumans i wszystkimi typami niestandardowych postaci
- Zoptymalizowany pod kątem wydajności w czasie rzeczywistym
- Niższe wymagania zasobów
- Pełna kompatybilność z lokalnym TTS (plugin Runtime Text To Speech)
- Obsługa Platform: Windows, Android, platformy oparte na Androidzie (w tym Meta Quest)
- Trzy poziomy optymalizacji: Oryginalny, Półoptymalizowany i Wysokooptymalizowany
Aby używać Modelu Standardowego, musisz zainstalować dodatkowy plugin rozszerzający. Zobacz Sekcję Wymagań Wstępnych w celu uzyskania instrukcji instalacji.
Realistyczny model synchronizacji ust zapewnia lepszą wierność wizualną, szczególnie dla postaci MetaHuman:
- Ekskluzywny dla MetaHuman z zaawansowaną animacją twarzy (81 sterowań twarzą)
- Wyższa jakość wizualna z bardziej naturalnymi ruchami ust
- Nieco wyższe wymagania wydajnościowe
- Ograniczona obsługa lokalnego TTS (zalecane zewnętrzne usługi TTS)
- Idealny do doświadczeń filmowych i interakcji z postaciami z bliska
- Obsługa Platform: Windows, Mac, iOS, Linux
- Trzy poziomy optymalizacji: Oryginalny, Półoptymalizowany i Wysokooptymalizowany
Model Realistyczny jest zawarty w głównym pluginie i nie wymaga żadnych dodatkowych rozszerzeń do użycia.
Model realistyczny z obsługą nastroju zapewnia animację twarzy reagującą na emocje dla postaci MetaHuman:
- Ekskluzywny dla MetaHuman z animacją twarzy reagującą na nastrój
- 12 różnych typów nastrojów (Neutralny, Szczęśliwy, Smutny, Pewny siebie, itp.)
- Konfigurowalna intensywność nastroju (0.0 do 1.0)
- Regulowany czas wyprzedzenia dla lepszej synchronizacji (20ms do 200ms)
- Wybieralne typy wyjścia: Pełna Twarz lub tylko Sterowanie Ustami
- Przetwarzanie audio strumieniowego dla aplikacji w czasie rzeczywistym
- Obsługa Platform: Windows, Mac, iOS, Linux
Model z Włączonym Nastrojem* zawiera zaawansowane funkcje, takie jak konfigurowalny czas wyprzedzenia i selektywne wyjście sterowania, co czyni go idealnym dla aplikacji wymagających kontroli ekspresji emocjonalnej.
Możesz wybrać odpowiedni model w oparciu o wymagania Twojego projektu dotyczące wydajności, kompatybilności z postaciami, jakości wizualnej, platformy docelowej i potrzeb funkcjonalnych.
Chociaż wszystkie modele obsługują różne metody wprowadzania dźwięku, standardowy model Realistyczny ma ograniczoną kompatybilność z lokalnym TTS z powodu konfliktów środowiska wykonawczego ONNX. Model Realistyczny z Włączonym Nastrojem jest jednak w pełni kompatybilny z lokalnym TTS. Dla funkcjonalności zamiany tekstu na mowę:
- Model Standardowy: Kompatybilny ze wszystkimi opcjami TTS (lokalnymi i zewnętrznymi)
- Model Realistyczny: Zalecane zewnętrzne usługi TTS (OpenAI, ElevenLabs)
- Model Realistyczny z Włączonym Nastrojem: Kompatybilny ze wszystkimi opcjami TTS (lokalnymi i zewnętrznymi)
Jak to Działa
Plugin przetwarza wejście audio w następujący sposób:
- Dane audio są odbierane w formacie PCM typu float z określonymi kanałami i częstotliwością próbkowania
- Plugin przetwarza dźwięk, aby wygenerować dane sterowania mimiką lub wizemy w zależności od modelu
- Dla modeli z włączonym nastrojem, kontekst emocjonalny jest stosowany do animacji twarzy
- Dane animacji napędzają ruchy twarzy postaci w czasie rzeczywistym
Szybki Start
Oto podstawowa konfiguracja do włączenia synchronizacji ust na Twojej postaci:
- Dla postaci MetaHuman, postępuj zgodnie z Przewodnikiem Konfiguracji
- Dla postaci niestandardowych, postępuj zgodnie z Przewodnikiem Konfiguracji Postaci Niestandardowych
- Wybierz i skonfiguruj preferowany model synchronizacji ust
- Skonfiguruj przetwarzanie wejścia audio w swoim Blueprint
- Podłącz odpowiedni węzeł synchronizacji ust w Animation Blueprint
- Odtwórz dźwięk i zobacz, jak Twoja postać mówi z emocjami!
Dodatkowe Zasoby
📦 Pobieranie i Linki
- Pobierz na Fab
- Strona produktu
- Pobierz Demo (Windows)
- Pobierz pliki źródłowe demo (UE 5.6) – Wymaga tego pluginu + Runtime Audio Importer, opcjonalnie: Text To Speech / AI Chatbot. Model standardowy wymaga małego rozszerzenia pluginu (patrz tutaj)
🎥 Samouczki Wideo
Polecane Demo:
Samouczki Modelu Realistycznego (Wysokiej Jakości):
- Synchronizacja ust wysokiej jakości z kontrolą nastroju i lokalnym TTS ⭐ NOWY
- Synchronizacja ust wysokiej jakości z ElevenLabs i OpenAI TTS
- Synchronizacja ust wysokiej jakości na żywo z mikrofonu
Samouczki Modelu Standardowego:
- Standardowa synchronizacja ust na żywo z mikrofonu
- Standardowa synchronizacja ust z lokalną zamianą tekstu na mowę
- Standardowa synchronizacja ust z ElevenLabs i OpenAI TTS
Konfiguracja Ogólna:
💬 Wsparcie
- Serwer wsparcia na Discordzie
- Tworzenie na Zlecenie: [email protected] (spersonalizowane rozwiązania dla zespołów i organizacji)