Konfiguracja Wtyczki

Konfiguracja Modelu

Standardowa Konfiguracja Modelu

Węzeł Create Runtime Viseme Generator używa domyślnych ustawień, które sprawdzają się dobrze w większości scenariuszy. Konfiguracja jest obsługiwana poprzez właściwości węzła mieszania Animation Blueprint.

Aby poznać opcje konfiguracji Animation Blueprint, zobacz sekcję Konfiguracja Synchronizacji Warg poniżej.

Konfiguracja Realistycznego Modelu

Węzeł Create Realistic MetaHuman Lip Sync Generator akceptuje opcjonalny parametr Configuration, który pozwala dostosować zachowanie generatora:

Typ Modelu

Ustawienie Model Type określa, której wersji realistycznego modelu użyć:

Typ Modelu	Wydajność	Jakość Wizualna	Obsługa Szumu	Zalecane Zastosowania
Wysoko Zoptymalizowany (Domyślny)	Najwyższa wydajność, najniższe użycie CPU	Dobra jakość	Może wykazywać zauważalne ruchy ust przy szumie tła lub dźwiękach innych niż głos	Czyste środowiska audio, scenariusze krytyczne pod względem wydajności
Częściowo Zoptymalizowany	Dobra wydajność, umiarkowane użycie CPU	Wysoka jakość	Lepsza stabilność z zaszumionym dźwiękiem	Zrównoważona wydajność i jakość, mieszane warunki audio
Oryginalny	Nadaje się do użycia w czasie rzeczywistym na nowoczesnych procesorach	Najwyższa jakość	Najbardziej stabilny z szumem tła i dźwiękami innymi niż głos	Wysokiej jakości produkcje, zaszumione środowiska audio, gdy potrzebna jest maksymalna dokładność

Ustawienia Wydajności

Intra Op Threads: Kontroluje liczbę wątków używanych do wewnętrznych operacji przetwarzania modelu.

• 0 (Domyślne/Automatyczne): Używa automatycznego wykrywania (zazwyczaj 1/4 dostępnych rdzeni CPU, maksymalnie 4)
• 1-16: Ręczne określenie liczby wątków. Wyższe wartości mogą poprawić wydajność na systemach wielordzeniowych, ale zużywają więcej CPU

Inter Op Threads: Kontroluje liczbę wątków używanych do równoległego wykonywania różnych operacji modelu.

• 0 (Domyślne/Automatyczne): Używa automatycznego wykrywania (zazwyczaj 1/8 dostępnych rdzeni CPU, maksymalnie 2)
• 1-8: Ręczne określenie liczby wątków. Zwykle utrzymywane na niskim poziomie dla przetwarzania w czasie rzeczywistym

Rozmiar Porcji Przetwarzania

Processing Chunk Size określa, ile próbek jest przetwarzanych w każdym kroku wnioskowania. Wartość domyślna to 160 próbek (10ms audio przy 16kHz):

• Mniejsze wartości zapewniają częstsze aktualizacje, ale zwiększają użycie CPU
• Większe wartości zmniejszają obciążenie CPU, ale mogą zmniejszyć responsywność synchronizacji warg
• Zaleca się używanie wielokrotności 160 dla optymalnego wyrównania

Konfiguracja Modelu z Nastrojem

Węzeł Create Realistic MetaHuman Lip Sync With Mood Generator zapewnia dodatkowe opcje konfiguracji wykraczające poza podstawowy model realistyczny:

Podstawowa Konfiguracja

Lookahead Ms: Czas wyprzedzenia w milisekundach dla poprawionej dokładności synchronizacji ust.

• Domyślne: 80ms
• Zakres: 20ms do 200ms (musi być podzielne przez 20)
• Wyższe wartości zapewniają lepszą synchronizację, ale zwiększają opóźnienie

Typ Wyjścia: Kontroluje, które sterowania mimiką twarzy są generowane.

• Pełna Twarz: Wszystkie 81 sterowań mimiką (brwi, oczy, nos, usta, szczęka, język)
• Tylko Usta: Tylko sterowania związane z ustami, szczęką i językiem

Ustawienia Wydajności: Używa tych samych ustawień Intra Op Threads i Inter Op Threads co zwykły model realistyczny.

Ustawienia Nastroju

Dostępne Nastroje:

• Neutralny, Szczęśliwy, Smutny, Odraza, Gniew, Zaskoczenie, Strach
• Pewny siebie, Podekscytowany, Znudzony, Zabawowy, Zdezorientowany

Intensywność Nastroju: Kontroluje, jak mocno nastrój wpływa na animację (0.0 do 1.0)

Kontrola Nastroju w Czasie Rzeczywistym

Możesz dostosować ustawienia nastroju podczas działania programu używając następujących funkcji:

• Ustaw Nastrój: Zmień aktualny typ nastroju
• Ustaw Intensywność Nastroju: Dostosuj, jak mocno nastrój wpływa na animację (0.0 do 1.0)
• Ustaw Lookahead Ms: Zmodyfikuj czas wyprzedzenia dla synchronizacji
• Ustaw Typ Wyjścia: Przełącz między sterowaniem Pełnej Twarzy i Tylko Ust

Przewodnik Wyboru Nastroju

Wybierz odpowiednie nastroje na podstawie swojej treści:

Nastrój	Najlepsze Zastosowanie	Typowy Zakres Intensywności
Neutralny	Ogólna rozmowa, narracja, stan domyślny	0.5 - 1.0
Szczęśliwy	Pozytywna treść, radosny dialog, świętowanie	0.6 - 1.0
Smutny	Melancholijna treść, emocjonalne sceny, ponure momenty	0.5 - 0.9
Odraza	Negatywne reakcje, treść wywołująca niesmak, odrzucenie	0.4 - 0.8
Gniew	Agresywny dialog, konfrontacyjne sceny, frustracja	0.6 - 1.0
Zaskoczenie	Nieoczekiwane wydarzenia, objawienia, reakcje szoku	0.7 - 1.0
Strach	Groźne sytuacje, niepokój, nerwowy dialog	0.5 - 0.9
Pewny siebie	Prezentacje zawodowe, dialog przywódczy, asertywna mowa	0.7 - 1.0
Podekscytowany	Energetyczna treść, ogłoszenia, entuzjastyczny dialog	0.8 - 1.0
Znudzony	Monotonna treść, niezainteresowany dialog, zmęczona mowa	0.3 - 0.7
Zabawowy	Swobodna rozmowa, humor, lekkie interakcje	0.6 - 0.9
Zdezorientowany	Dialog z wieloma pytaniami, niepewność, zdumienie	0.4 - 0.8

Konfiguracja Schematu Animacji

Konfiguracja Synchronizacji Ust

Standard Model

Węzeł Blend Runtime MetaHuman Lip Sync posiada opcje konfiguracji w panelu właściwości:

Właściwość	Domyślnie	Opis
Prędkość Interpolacji	25	Kontroluje, jak szybko ruchy ust przechodzą między wizemami. Wyższe wartości skutkują szybszymi i bardziej nagłymi przejściami.
Czas Resetowania	0.2	Czas w sekundach, po którym synchronizacja ust jest resetowana. Jest to przydatne, aby zapobiec kontynuacji synchronizacji ust po zatrzymaniu dźwięku.

Realistic Models

Węzeł Blend Realistic MetaHuman Lip Sync posiada opcje konfiguracji w panelu właściwości:

Właściwość	Domyślnie	Opis
Prędkość Interpolacji	30	Kontroluje, jak szybko mimika twarzy przechodzi podczas aktywnej mowy. Wyższe wartości skutkują szybszymi i bardziej nagłymi przejściami.
Prędkość Interpolacji w Stanie Spoczynku	15	Kontroluje, jak szybko mimika twarzy powraca do stanu spoczynku/neutralnego. Niższe wartości tworzą gładsze, bardziej stopniowe powroty do pozycji spoczynkowej.
Czas Resetowania	0.2	Czas w sekundach, po którym synchronizacja ust resetuje się do stanu spoczynku. Przydatne, aby zapobiec kontynuacji wyrażeń po zatrzymaniu dźwięku.
Zachowaj Stan Spoczynku	false	Po włączeniu, zachowuje ostatni stan emocjonalny podczas okresów bezczynności zamiast resetować do neutralnego.
Zachowaj Wyrażenia Oczu	true	Kontroluje, czy powiązane z oczami kontrolery twarzy są zachowywane podczas stanu spoczynku. Skuteczne tylko wtedy, gdy Zachowaj Stan Spoczynku jest włączone.
Zachowaj Wyrazenia Brwi	true	Kontroluje, czy powiązane z brwiami kontrolery twarzy są zachowywane podczas stanu spoczynku. Skuteczne tylko wtedy, gdy Zachowaj Stan Spoczynku jest włączone.
Zachowaj Kształt Ust	false	Kontroluje, czy kontrolery kształtu ust (z wyłączeniem ruchów specyficznych dla mowy, takich jak język i szczęka) są zachowywane podczas stanu spoczynku. Skuteczne tylko wtedy, gdy Zachowaj Stan Spoczynku jest włączone.

Zachowanie Stanu Spoczynku

Funkcja Zachowaj Stan Spoczynku rozwiązuje kwestię, w jaki sposób model Realistyczny obsługuje okresy ciszy. W przeciwieństwie do modelu Standardowego, który używa dyskretnych wizemów i konsekwentnie powraca do wartości zerowych podczas ciszy, sieć neuronowa modelu Realistycznego może utrzymywać subtelne pozycjonowanie twarzy, które różni się od domyślnej pozycji spoczynkowej MetaHuman.

Kiedy Włączyć:

• Utrzymywanie wyrażeń emocjonalnych między segmentami mowy
• Zachowywanie cech osobowości postaci
• Zapewnienie ciągłości wizualnej w sekwencjach filmowych

Opcje Kontroli Regionalnej:

• Wyrażenia Oczu: Zachowuje mrużenie, rozszerzanie oczu i pozycjonowanie powiek
• Wyrażenia Brwi: Utrzymuje pozycjonowanie brwi i czoła
• Kształt Ust: Zachowuje ogólne zakrzywienie ust, jednocześnie pozwalając ruchom mowy (język, szczęka) na zresetowanie

Animacja Śmiechu

Możesz również dodać animacje śmiechu, które będą dynamicznie reagować na śmiech wykryty w audio:

1. Dodaj węzeł Blend Runtime MetaHuman Laughter
2. Podłącz swoją zmienną RuntimeVisemeGenerator do pinu Viseme Generator
3. Jeśli już używasz synchronizacji ust:
   • Podłącz wyjście z węzła Blend Runtime MetaHuman Lip Sync do Source Pose węzła Blend Runtime MetaHuman Laughter
   • Podłącz wyjście węzła Blend Runtime MetaHuman Laughter do pinu Result w Output Pose
4. Jeśli używasz tylko śmiechu bez synchronizacji ust:
   • Podłącz swoją pozę źródłową bezpośrednio do Source Pose węzła Blend Runtime MetaHuman Laughter
   • Podłącz wyjście do pinu Result

Gdy śmiech zostanie wykryty w audio, twoja postać będzie dynamicznie animowana odpowiednio:

Konfiguracja Śmiechu

Węzeł Blend Runtime MetaHuman Laughter ma własne opcje konfiguracji:

Właściwość	Domyślnie	Opis
Interpolation Speed	25	Kontroluje, jak szybko ruchy ust przechodzą między animacjami śmiechu. Wyższe wartości skutkują szybszymi, bardziej nagłymi przejściami.
Reset Time	0.2	Czas w sekundach, po którym śmiech jest resetowany. Jest to przydatne, aby zapobiec kontynuowaniu śmiechu po zatrzymaniu audio.
Max Laughter Weight	0.7	Skaluje maksymalne natężenie animacji śmiechu (0.0 - 1.0).

Uwaga: Wykrywanie śmiechu jest obecnie dostępne tylko w Modelu Standardowym.

Łączenie z Istniejącymi Animacjami

Aby zastosować synchronizację ust i śmiech wraz z istniejącymi animacjami ciała i niestandardowymi animacjami twarzy bez ich nadpisywania:

1. Dodaj węzeł Layered blend per bone między swoimi animacjami ciała a końcowym wyjściem. Upewnij się, że Use Attached Parent jest ustawione na true.
2. Skonfiguruj ustawienia warstw:
   • Dodaj 1 element do tablicy Layer Setup
   • Dodaj 3 elementy do Branch Filters dla warstwy, z następującymi Bone Name:
     • FACIAL_C_FacialRoot
     • FACIAL_C_Neck2Root
     • FACIAL_C_Neck1Root
3. Ważne dla niestandardowych animacji twarzy: W Curve Blend Option wybierz "Use Max Value". Pozwala to na prawidłowe nałożenie niestandardowych animacji twarzy (wyrażeń, emocji itp.) na synchronizację ust.
4. Wykonaj połączenia:
   • Istniejące animacje (takie jak BodyPose) → wejście Base Pose
   • Wyjście animacji twarzy (z węzłów synchronizacji ust i/lub śmiechu) → wejście Blend Poses 0
   • Węzeł warstwowy → końcowa poza Result

Dostrajanie Zachowania Synchronizacji Ust

Kontrola Wysuwania Języka

W standardowym modelu synchronizacji ust, możesz zauważyć nadmierne wysuwanie języka do przodu podczas niektórych fonemów. Aby kontrolować wysuwanie języka:

1. Po węźle mieszania synchronizacji ust dodaj węzeł Modify Curve
2. Kliknij prawym przyciskiem myszy na węźle Modify Curve i wybierz Add Curve Pin
3. Dodaj pin krzywej o nazwie CTRL_expressions_tongueOut
4. Ustaw właściwość Apply Mode węzła na Scale
5. Dostosuj parametr Value, aby kontrolować wysuwanie języka (np. 0.8, aby zmniejszyć wysunięcie o 20%)

Kontrola Otwierania Szczęki

Realistyczna synchronizacja ust może powodować zbyt intensywne ruchy szczęki, w zależności od treści audio i wymagań wizualnych. Aby dostosować intensywność otwierania szczęki:

1. Po węźle mieszania synchronizacji ust dodaj węzeł Modify Curve
2. Kliknij prawym przyciskiem myszy na węźle Modify Curve i wybierz Add Curve Pin
3. Dodaj pin krzywej o nazwie CTRL_expressions_jawOpen
4. Ustaw właściwość Apply Mode węzła na Scale
5. Dostosuj parametr Value, aby kontrolować zakres otwierania szczęki (np. 0.9, aby zmniejszyć ruch szczęki o 10%)

Dostrajanie Specyficzne dla Nastroju

Dla modeli z obsługą nastrojów, możesz precyzyjnie dostroić określone wyrazy emocjonalne:

Kontrola Brwi:

• CTRL_expressions_browRaiseInL / CTRL_expressions_browRaiseInR - Podnoszenie wewnętrznej części brwi
• CTRL_expressions_browRaiseOuterL / CTRL_expressions_browRaiseOuterR - Podnoszenie zewnętrznej części brwi
• CTRL_expressions_browDownL / CTRL_expressions_browDownR - Opuszczanie brwi

Kontrola Wyrazu Oczu:

• CTRL_expressions_eyeSquintInnerL / CTRL_expressions_eyeSquintInnerR - Mrużenie oczu
• CTRL_expressions_eyeCheekRaiseL / CTRL_expressions_eyeCheekRaiseR - Podnoszenie policzków

Porównanie i Wybór Modelu

Wybór Pomiędzy Modelami

Decydując, którego modelu synchronizacji ust użyć w swoim projekcie, weź pod uwagę następujące czynniki:

Kryterium	Model Standardowy	Model Realistyczny	Model Realistyczny z Nastrojem
Kompatybilność z Postaciami	MetaHumans i wszystkie typy postaci niestandardowych	Tylko MetaHumans	Tylko MetaHumans
Jakość Wizualna	Dobra synchronizacja ust z wydajną pracą	Zwiększony realizm z bardziej naturalnymi ruchami ust	Zwiększony realizm z wyrażeniami emocjonalnymi
Wydajność	Zoptymalizowany dla wszystkich platform, w tym mobilnych/VR	Wyższe wymagania zasobowe	Wyższe wymagania zasobowe
Funkcje	14 wizemów, wykrywanie śmiechu	81 kontrolek twarzy, 3 poziomy optymalizacji	81 kontrolek twarzy, 12 nastrojów, konfigurowalne wyjście
Obsługa Platform	Windows, Android, Quest	Windows, Mac, iOS, Linux	Windows, Mac, iOS, Linux
Przypadki Użycia	Aplikacje ogólne, gry, VR/AR, mobilne	Doświadczenia filmowe, interakcje z bliska	Opowiadanie emocjonalne, zaawansowana interakcja z postaciami

Kompatybilność z Wersją Silnika

Problem ze zgodnością z UE 5.2

Jeśli używasz Unreal Engine 5.2, realistyczne modele mogą nie działać poprawnie z powodu błędu w bibliotece próbkowania UE. Dla użytkowników UE 5.2, którzy potrzebują niezawodnej funkcji synchronizacji warg, proszę używać Modelu Standardowego zamiast.

Ten problem dotyczy wyłącznie UE 5.2 i nie wpływa na inne wersje silnika.

Zalecenia dotyczące wydajności

• Dla większości projektów Model Standardowy zapewnia doskonałą równowagę między jakością a wydajnością
• Używaj Modelu Realistycznego, gdy potrzebujesz najwyższej wierności wizualnej dla postaci MetaHuman
• Używaj Modelu Realistycznego z Nastrojem, gdy kontrola ekspresji emocjonalnej jest ważna dla twojej aplikacji
• Rozważ możliwości wydajnościowe platformy docelowej przy wyborze między modelami
• Testuj różne poziomy optymalizacji, aby znaleźć najlepszą równowagę dla swojego konkretnego przypadku użycia

Zgodność z TTS

Typ Modelu	Wsparcie Lokalnego TTS (poprzez Runtime Text To Speech)	Wsparcie Zewnętrznego TTS	Uwagi
Model Standardowy	✅ Pełne wsparcie	✅ Pełne wsparcie	Zgodny ze wszystkimi opcjami TTS
Model Realistyczny	❌ Ograniczone wsparcie	✅ Pełne wsparcie	Konflikty środowiska wykonawczego ONNX z lokalnym TTS
Model Realistyczny z Nastrojem	✅ Pełne wsparcie	✅ Pełne wsparcie	Zgodny ze wszystkimi opcjami TTS

Rozwiązywanie problemów

Częste problemy

Ponowne tworzenie generatora dla modeli realistycznych: Dla niezawodnej i spójnej pracy z modelami realistycznymi, zaleca się ponowne tworzenie generatora za każdym razem, gdy chcesz przekazać nowe dane audio po okresie bezczynności. Jest to spowodowane zachowaniem środowiska wykonawczego ONNX, które może powodować zatrzymanie działania synchronizacji warg przy ponownym użyciu generatorów po okresach ciszy.

Zgodność z lokalnym TTS: Lokalny TTS dostarczany przez wtyczkę Runtime Text To Speech nie jest obecnie obsługiwany z regularnym modelem realistycznym z powodu konfliktów środowiska wykonawczego ONNX. Jednak jest w pełni kompatybilny zarówno z modelem standardowym, jak i modelem realistycznym z nastrojem. Używaj zewnętrznych usług TTS, jeśli szczególnie potrzebujesz regularnego modelu realistycznego z funkcjonalnością TTS.

Obniżona responsywność synchronizacji warg: Jeśli doświadczasz, że synchronizacja warg staje się mniej responsywna z czasem podczas używania Streaming Sound Wave lub Capturable Sound Wave, może to być spowodowane akumulacją pamięci. Domyślnie, pamięć jest realokowana za każdym razem, gdy nowe audio jest dołączane. Aby zapobiec temu problemowi, wywołuj funkcję ReleaseMemory okresowo, aby zwolnić zgromadzoną pamięć, na przykład co około 30 sekund.

Optymalizacja wydajności:

• Dostosuj rozmiar porcji przetwarzania dla modeli realistycznych na podstawie twoich wymagań wydajnościowych
• Używaj odpowiedniej liczby wątków dla twojego docelowego sprzętu
• Rozważ użycie typu wyjścia Mouth Only dla modeli z nastrojem, gdy pełna animacja twarzy nie jest potrzebna