Перейти к основному содержимому

Обзор

Документация Runtime MetaHuman Lip Sync

Runtime MetaHuman Lip Sync — это плагин, который обеспечивает синхронизацию губ в реальном времени, офлайн и кроссплатформенно как для MetaHuman, так и для пользовательских персонажей. Он позволяет анимировать губы персонажа в ответ на аудиовход из различных источников, включая:

Плагин внутренне генерирует виземы (визуальные представления фонем) на основе аудиовхода. Поскольку он работает напрямую с аудиоданными, а не с текстом, плагин поддерживает многоязычный ввод, включая, но не ограничиваясь: английским, испанским, французским, немецким, японским, китайским, корейским, русским, итальянским, португальским, арабским и хинди. Фактически поддерживается любой язык, так как синхронизация губ генерируется из аудиофонем, а не из обработки специфичного для языка текста.

Стандартная модель производит 14 визем и выполняет анимацию синхронизации губ, используя предопределенный ассет поз. В отличие от нее, Реалистичные модели (эксклюзивно для персонажей MetaHuman) генерируют 81 изменение лицевого контроля без использования предопределенного ассета поз, что приводит к значительно более реалистичной лицевой анимации.

Совместимость персонажей​

Несмотря на название, Runtime MetaHuman Lip Sync работает с широким спектром персонажей, а не только с MetaHumans:

Популярные коммерческие системы персонажей​

  • Персонажи Daz Genesis 8/9
  • Персонажи Reallusion Character Creator 3/4 (CC3/CC4)
  • Персонажи Mixamo
  • Аватары ReadyPlayerMe

Поддержка стандартов анимации​

  • Системы блендшейпов на основе FACS
  • Стандарт блендшейпов Apple ARKit
  • Наборы фонем Preston Blair
  • Фонемные системы 3ds Max
  • Любой персонаж с пользовательскими морф-таргетами для лицевых выражений

Подробные инструкции по использованию плагина с персонажами, не являющимися MetaHuman, смотрите в Руководстве по настройке пользовательских персонажей.

Предпросмотр анимации​

Ознакомьтесь с этими короткими анимациями, чтобы увидеть качество анимации синхронизации губ, создаваемой плагином для различных типов персонажей и моделей:

Realistic Lip Sync Example
Реалистичная модель с персонажем MetaHuman
Standard Lip Sync Example
Стандартная модель с персонажем MetaHuman
Custom Character Lip Sync Example
Стандартная модель с пользовательским персонажем
Custom Character Lip Sync Example
Стандартная модель с пользовательским персонажем

Ключевые особенности​

  • Синхронизация губ в реальном времени с входного сигнала микрофона
  • Поддержка обработки аудио в офлайн-режиме
  • Кросс-платформенная совместимость с поддержкой специфичных для модели платформ
  • Поддержка нескольких систем персонажей и стандартов анимации
  • Гибкое сопоставление визем для пользовательских персонажей
  • Универсальная поддержка языков - работает с любым разговорным языком через анализ аудио
  • Мимическая анимация с учетом настроения для улучшенной выразительности
  • Настраиваемые типы вывода (полное лицо или только управление ртом)

Модели синхронизации губ​

Плагин предлагает несколько моделей синхронизации губ для различных потребностей проекта:

Стандартная модель синхронизации губ обеспечивает эффективную, кросс-платформенную производительность с широкой совместимостью персонажей:

  • Работает с MetaHumans и всеми типами пользовательских персонажей
  • Оптимизирована для производительности в реальном времени
  • Меньшие требования к ресурсам
  • Полная совместимость с локальным TTS (плагин Runtime Text To Speech)
  • Поддерживаемые платформы: Windows, Android, платформы на базе Android (включая Meta Quest)
Требуется плагин-расширение

Для использования Стандартной модели необходимо установить дополнительный плагин-расширение. См. инструкции по установке в разделе Предварительные требования.

Вы можете выбрать подходящую модель в зависимости от требований вашего проекта к производительности, совместимости с персонажами, визуальному качеству, целевой платформе и необходимым функциям.

Примечание о совместимости с TTS

Хотя все модели поддерживают различные методы аудиоввода, обычная модель Realistic имеет ограниченную совместимость с локальным TTS из-за конфликтов с рантаймом ONNX. Однако модель Mood-Enabled Realistic полностью совместима с локальным TTS. Для функциональности преобразования текста в речь:

  • Standard Model: Совместима со всеми вариантами TTS (локальными и внешними)
  • Realistic Model: Рекомендуются внешние сервисы TTS (OpenAI, ElevenLabs)
  • Mood-Enabled Realistic Model: Совместима со всеми вариантами TTS (локальными и внешними)

Как это работает​

Плагин обрабатывает аудиоввод следующим образом:

  1. Аудиоданные принимаются в формате PCM с плавающей запятой с указанными каналами и частотой дискретизации
  2. Плагин обрабатывает аудио для генерации данных управления лицевой мимикой или визем в зависимости от модели
  3. Для моделей с поддержкой настроения эмоциональный контекст применяется к лицевой анимации
  4. Данные анимации управляют движениями лица персонажа в реальном времени

Быстрый старт​

Вот базовая настройка для включения lip sync на вашем персонаже:

  1. Для персонажей MetaHuman следуйте Руководству по настройке
  2. Для пользовательских персонажей следуйте Руководству по настройке пользовательских персонажей
  3. Выберите и настройте предпочитаемую модель lip sync
  4. Настройте обработку аудиоввода в вашем Blueprint
  5. Подключите соответствующий узел lip sync в Animation Blueprint
  6. Воспроизведите аудио и увидите, как ваш персонаж говорит с эмоциями!

Дополнительные ресурсы​

📦 Загрузки и ссылки​

🎥 Видеоуроки​

Рекомендуемое демо:​

Уроки по Реалистичной Модели (Высокое Качество):​

Уроки по Стандартной Модели:​

Общая Настройка:​

💬 Поддержка​