Конфигурация плагина

Конфигурация модели

Стандартная конфигурация модели

Узел Create Runtime Viseme Generator использует настройки по умолчанию, которые хорошо работают в большинстве сценариев. Конфигурация осуществляется через свойства узла смешивания Animation Blueprint.

Для параметров конфигурации Animation Blueprint см. раздел Конфигурация синхронизации губ ниже.

Конфигурация реалистичной модели

Узел Create Realistic MetaHuman Lip Sync Generator принимает необязательный параметр Configuration, который позволяет настроить поведение генератора:

Тип модели

Настройка Model Type определяет, какую версию реалистичной модели использовать:

Тип модели	Производительность	Визуальное качество	Обработка шума	Рекомендуемые случаи использования
Высокооптимизированная (По умолчанию)	Наивысшая производительность, наименьшее использование CPU	Хорошее качество	Может показывать заметные движения рта при фоновом шуме или неголосовых звуках	Чистые аудиоокружения, сценарии, критичные к производительности
Полуоптимизированная	Хорошая производительность, умеренное использование CPU	Высокое качество	Лучшая стабильность с зашумленным аудио	Сбалансированная производительность и качество, смешанные аудиоусловия
Оригинальная	Подходит для использования в реальном времени на современных CPU	Наивысшее качество	Наиболее стабильна с фоновым шумом и неголосовыми звуками	Высококачественные постановки, зашумленные аудиоокружения, когда требуется максимальная точность

Настройки производительности

Intra Op Threads: Управляет количеством потоков, используемых для внутренних операций обработки модели.

• 0 (По умолчанию/Автоматически): Использует автоматическое определение (обычно 1/4 доступных ядер CPU, максимум 4)
• 1-16: Указать количество потоков вручную. Более высокие значения могут улучшить производительность на многопроцессорных системах, но используют больше CPU

Inter Op Threads: Управляет количеством потоков, используемых для параллельного выполнения различных операций модели.

• 0 (По умолчанию/Автоматически): Использует автоматическое определение (обычно 1/8 доступных ядер CPU, максимум 2)
• 1-8: Указать количество потоков вручную. Обычно держится на низком уровне для обработки в реальном времени

Размер чанка обработки

Processing Chunk Size определяет, сколько сэмплов обрабатывается на каждом шаге инференса. Значение по умолчанию — 160 сэмплов (10 мс аудио при 16 кГц):

• Меньшие значения обеспечивают более частые обновления, но увеличивают использование CPU
• Большие значения снижают нагрузку на CPU, но могут уменьшить отзывчивость синхронизации губ
• Рекомендуется использовать кратные 160 для оптимального выравнивания

Конфигурация модели с поддержкой настроения

Узел Create Realistic MetaHuman Lip Sync With Mood Generator предоставляет дополнительные параметры конфигурации помимо базовой реалистичной модели:

Базовая конфигурация

Lookahead Ms: Время упреждения в миллисекундах для улучшения точности синхронизации губ.

• По умолчанию: 80 мс
• Диапазон: от 20 мс до 200 мс (должно быть кратно 20)
• Более высокие значения обеспечивают лучшую синхронизацию, но увеличивают задержку

Output Type: Управляет тем, какие лицевые контролы генерируются.

• Full Face: Все 81 лицевых контролов (брови, глаза, нос, рот, челюсть, язык)
• Mouth Only: Только контролы, связанные с ртом, челюстью и языком

Performance Settings: Использует те же настройки Intra Op Threads и Inter Op Threads, что и обычная реалистичная модель.

Настройки настроения

Доступные настроения:

• Нейтральное, Счастливое, Грустное, Отвращение, Гнев, Удивление, Страх
• Уверенное, Взволнованное, Скучающее, Игривое, Смущенное

Интенсивность настроения: Управляет тем, насколько сильно настроение влияет на анимацию (от 0.0 до 1.0)

Управление настроением в реальном времени

Вы можете настраивать параметры настроения во время выполнения с помощью следующих функций:

• Set Mood: Изменить текущий тип настроения
• Set Mood Intensity: Настроить, насколько сильно настроение влияет на анимацию (от 0.0 до 1.0)
• Set Lookahead Ms: Изменить время упреждения для синхронизации
• Set Output Type: Переключиться между контролами Full Face и Mouth Only

Руководство по выбору настроения

Выбирайте подходящие настроения в зависимости от вашего контента:

Настроение	Лучше всего подходит для	Типичный диапазон интенсивности
Нейтральное	Общий разговор, повествование, состояние по умолчанию	0.5 - 1.0
Счастливое	Позитивный контент, веселый диалог, празднования	0.6 - 1.0
Грустное	Меланхоличный контент, эмоциональные сцены, мрачные моменты	0.5 - 0.9
Отвращение	Негативные реакции, неприятный контент, отвержение	0.4 - 0.8
Гнев	Агрессивный диалог, конфронтационные сцены, разочарование	0.6 - 1.0
Удивление	Неожиданные события, откровения, реакции шока	0.7 - 1.0
Страх	Угрожающие ситуации, тревога, нервный диалог	0.5 - 0.9
Уверенное	Профессиональные презентации, диалог лидерства, уверенная речь	0.7 - 1.0
Взволнованное	Энергичный контент, объявления, восторженный диалог	0.8 - 1.0
Скучающее	Монотонный контент, незаинтересованный диалог, уставшая речь	0.3 - 0.7
Игривое	Неформальный разговор, юмор, легкие взаимодействия	0.6 - 0.9
Смущенное	Диалог с множеством вопросов, неуверенность, недоумение	0.4 - 0.8

Конфигурация Animation Blueprint

Конфигурация синхронизации губ

Standard Model

Узел Blend Runtime MetaHuman Lip Sync имеет параметры конфигурации на панели свойств:

Свойство	По умолчанию	Описание
Interpolation Speed	25	Управляет тем, насколько быстро движения губ переходят между виземами. Более высокие значения приводят к более быстрым и резким переходам.
Reset Time	0.2	Продолжительность в секундах, после которой синхронизация губ сбрасывается. Это полезно для предотвращения продолжения синхронизации губ после остановки аудио.

Анимация смеха

Вы также можете добавить анимации смеха, которые будут динамически реагировать на смех, обнаруженный в аудио:

1. Добавьте узел Blend Runtime MetaHuman Laughter
2. Подключите вашу переменную RuntimeVisemeGenerator к пину Viseme Generator
3. Если вы уже используете синхронизацию губ:
   • Подключите выход из узла Blend Runtime MetaHuman Lip Sync к Source Pose узла Blend Runtime MetaHuman Laughter
   • Подключите выход узла Blend Runtime MetaHuman Laughter к пину Result Output Pose
4. Если используется только смех без синхронизации губ:
   • Подключите вашу исходную позу напрямую к Source Pose узла Blend Runtime MetaHuman Laughter
   • Подключите выход к пину Result

Когда в аудио обнаруживается смех, ваш персонаж будет динамически анимироваться соответствующим образом:

Конфигурация смеха

Узел Blend Runtime MetaHuman Laughter имеет свои собственные параметры конфигурации:

Свойство	По умолчанию	Описание
Interpolation Speed	25	Управляет тем, насколько быстро движения губ переходят между анимациями смеха. Более высокие значения приводят к более быстрым и резким переходам.
Reset Time	0.2	Продолжительность в секундах, после которой смех сбрасывается. Это полезно для предотвращения продолжения смеха после остановки аудио.
Max Laughter Weight	0.7	Масштабирует максимальную интенсивность анимации смеха (0.0 - 1.0).

Примечание: Обнаружение смеха в настоящее время доступно только со Стандартной моделью.

Realistic Models

Узел Blend Realistic MetaHuman Lip Sync имеет параметры конфигурации на панели свойств:

Свойство	По умолчанию	Описание
Interpolation Speed	30	Управляет тем, насколько быстро мимические выражения переходят во время активной речи. Более высокие значения приводят к более быстрым и резким переходам.
Idle Interpolation Speed	15	Управляет тем, насколько быстро мимические выражения возвращаются в состояние покоя/нейтральное состояние. Более низкие значения создают более плавные, постепенные возвраты к позе покоя.
Reset Time	0.2	Продолжительность в секундах, после которой синхронизация губ сбрасывается в состояние покоя. Полезно для предотвращения продолжения выражений после остановки аудио.
Preserve Idle State	false	При включении сохраняет последнее эмоциональное состояние в периоды простоя вместо сброса к нейтральному.
Preserve Eye Expressions	true	Управляет тем, сохраняются ли лицевые контролы, связанные с глазами, в состоянии покоя. Эффективно только при включенном Preserve Idle State.
Preserve Brow Expressions	true	Управляет тем, сохраняются ли лицевые контролы, связанные с бровями, в состоянии покоя. Эффективно только при включенном Preserve Idle State.
Preserve Mouth Shape	false	Управляет тем, сохраняются ли контролы формы рта (за исключением специфических для речи движений, таких как язык и челюсть) в состоянии покоя. Эффективно только при включенном Preserve Idle State.

Сохранение состояния покоя

Функция Preserve Idle State решает вопрос о том, как Реалистичная модель обрабатывает периоды тишины. В отличие от Стандартной модели, которая использует дискретные виземы и последовательно возвращается к нулевым значениям во время тишины, нейронная сеть Реалистичной модели может поддерживать тонкое позиционирование лица, которое отличается от позы покоя MetaHuman по умолчанию.

Когда включать:

• Поддержание эмоциональных выражений между сегментами речи
• Сохранение черт личности персонажа
• Обеспечение визуальной непрерывности в кинематографических последовательностях

Опции регионального контроля:

• Выражения глаз: Сохраняет прищуривание, расширение глаз и позиционирование век
• Выражения бровей: Сохраняет позиционирование бровей и лба
• Форма рта: Сохраняет общую кривизну рта, позволяя речевым движениям (язык, челюсть) сбрасываться

Комбинирование с существующими анимациями

Чтобы применять синхронизацию губ и смех вместе с существующими анимациями тела и пользовательскими мимическими анимациями, не переопределяя их:

1. Добавьте узел Layered blend per bone между вашими анимациями тела и финальным выходом. Убедитесь, что Use Attached Parent установлен в true.
2. Настройте слой:
   • Добавьте 1 элемент в массив Layer Setup
   • Добавьте 3 элемента в Branch Filters для слоя со следующими Bone Name:
     • FACIAL_C_FacialRoot
     • FACIAL_C_Neck2Root
     • FACIAL_C_Neck1Root
3. Важно для пользовательских мимических анимаций: В Curve Blend Option выберите "Use Max Value". Это позволяет правильно накладывать пользовательские мимические анимации (выражения, эмоции и т.д.) поверх синхронизации губ.
4. Сделайте соединения:
   • Существующие анимации (такие как BodyPose) → вход Base Pose
   • Выход мимической анимации (из узлов синхронизации губ и/или смеха) → вход Blend Poses 0
   • Узел Layered blend → финальная поза Result

Выбор набора морф-таргетов

Standard Model

Стандартная модель использует ассеты поз, которые по своей природе поддерживают любое соглашение об именовании морф-таргетов через настройку пользовательского ассета поз. Дополнительная конфигурация не требуется.

Realistic Models

Узел Blend Realistic MetaHuman Lip Sync включает свойство Morph Target Set, которое определяет, какое соглашение об именовании морф-таргетов использовать для мимической анимации:

Набор морф-таргетов	Описание	Случаи использования
MetaHuman (По умолчанию)	Стандартные имена морф-таргетов MetaHuman (например, CTRL_expressions_jawOpen)	Персонажи MetaHuman
ARKit	Совместимые с Apple ARKit имена (например, JawOpen, MouthSmileLeft)	Персонажи на основе ARKit

Тонкая настройка поведения синхронизации губ

Управление высовыванием языка

В стандартной модели синхронизации губ вы можете заметить чрезмерное выдвижение языка вперед во время определенных фонем. Чтобы контролировать высовывание языка:

1. После вашего узла смешивания синхронизации губ добавьте узел Modify Curve
2. Щелкните правой кнопкой мыши на узле Modify Curve и выберите Add Curve Pin
3. Добавьте пин кривой с именем CTRL_expressions_tongueOut
4. Установите свойство Apply Mode узла в Scale
5. Настройте параметр Value для управления вытягиванием языка (например, 0.8 для уменьшения высовывания на 20%)

Управление открытием челюсти

Реалистичная синхронизация губ может создавать чрезмерно отзывчивые движения челюсти в зависимости от вашего аудиоконтента и визуальных требований. Чтобы настроить интенсивность открытия челюсти:

1. После вашего узла смешивания синхронизации губ добавьте узел Modify Curve
2. Щелкните правой кнопкой мыши на узле Modify Curve и выберите Add Curve Pin
3. Добавьте пин кривой с именем CTRL_expressions_jawOpen
4. Установите свойство Apply Mode узла в Scale
5. Настройте параметр Value для управления диапазоном открытия челюсти (например, 0.9 для уменьшения движения челюсти на 10%)

Тонкая настройка для конкретных настроений

Для моделей с поддержкой настроения вы можете точно настраивать определенные эмоциональные выражения:

Управление бровями:

• CTRL_expressions_browRaiseInL / CTRL_expressions_browRaiseInR - Поднятие внутренней части брови
• CTRL_expressions_browRaiseOuterL / CTRL_expressions_browRaiseOuterR - Поднятие внешней части брови
• CTRL_expressions_browDownL / CTRL_expressions_browDownR - Опускание брови

Управление выражением глаз:

• CTRL_expressions_eyeSquintInnerL / CTRL_expressions_eyeSquintInnerR - Прищуривание глаз
• CTRL_expressions_eyeCheekRaiseL / CTRL_expressions_eyeCheekRaiseR - Поднятие щеки

Сравнение моделей и выбор

Выбор между моделями

При решении, какую модель синхронизации губ использовать для вашего проекта, учитывайте эти факторы:

Критерий	Стандартная модель	Реалистичная модель	Реалистичная модель с поддержкой настроения
Совместимость с персонажами	MetaHumans и все типы пользовательских персонажей	Только MetaHumans	Только MetaHumans
Визуальное качество	Хорошая синхронизация губ с эффективной производительностью	Улучшенный реализм с более естественными движениями рта	Улучшенный реализм с эмоциональными выражениями
Производительность	Оптимизирована для всех платформ, включая мобильные/VR	Более высокие требования к ресурсам	Более высокие требования к ресурсам
Функции	14 виземов, обнаружение смеха	81 лицевых контролов, 3 уровня оптимизации	81 лицевых контролов, 12 настроений, настраиваемый вывод
Поддержка платформ	Windows, Android, Quest	Windows, Mac, iOS, Linux, Android, Quest	Windows, Mac, iOS, Linux, Android, Quest
Случаи использования	Общие приложения, игры, VR/AR, мобильные	Кинематографические впечатления, взаимодействия крупным планом	Эмоциональное повествование, продвинутое взаимодействие с персонажами

Совместимость с версиями движка

Проблема совместимости с UE 5.2

Если вы используете Unreal Engine 5.2, Реалистичные модели могут работать некорректно из-за ошибки в библиотеке ресемплинга UE. Для пользователей UE 5.2, которым требуется надежная функциональность синхронизации губ, пожалуйста, используйте Стандартную модель вместо этого.

Эта проблема специфична для UE 5.2 и не затрагивает другие версии движка.

Рекомендации по производительности

• Для большинства проектов Стандартная модель обеспечивает отличный баланс качества и производительности
• Используйте Реалистичную модель, когда вам требуется наивысшая визуальная точность для персонажей MetaHuman
• Используйте Реалистичную модель с поддержкой настроения, когда контроль эмоциональных выражений важен для вашего приложения
• Учитывайте возможности производительности целевой платформы при выборе между моделями
• Тестируйте разные уровни оптимизации, чтобы найти лучший баланс для вашего конкретного случая использования

Совместимость с TTS

Тип модели	Поддержка локального TTS (через Runtime Text To Speech)	Поддержка внешнего TTS	Примечания
Стандартная модель	✅ Полная поддержка	✅ Полная поддержка	Совместима со всеми опциями TTS
Реалистичная модель	❌ Ограниченная поддержка	✅ Полная поддержка	Конфликты среды выполнения ONNX с локальным TTS
Реалистичная модель с поддержкой настроения	✅ Полная поддержка	✅ Полная поддержка	Совместима со всеми опциями TTS

Устранение неполадок

Распространенные проблемы

Пересоздание генератора для реалистичных моделей: Для надежной и последовательной работы с Реалистичными моделями рекомендуется пересоздавать генератор каждый раз, когда вы хотите подать новые аудиоданные после периода бездействия. Это связано с поведением среды выполнения ONNX, которое может привести к прекращению работы синхронизации губ при повторном использовании генераторов после периодов тишины.

Совместимость с локальным TTS: Локальный TTS, предоставляемый плагином Runtime Text To Speech, в настоящее время не поддерживается с обычной Реалистичной моделью из-за конфликтов среды выполнения ONNX. Однако он полностью совместим как со Стандартной моделью, так и с Реалистичной моделью с поддержкой настроения. Используйте внешние TTS-сервисы, если вам конкретно нужна обычная Реалистичная модель с функциональностью TTS.

Снижение отзывчивости синхронизации губ: Если вы столкнулись с тем, что синхронизация губ становится менее отзывчивой со временем при использовании Streaming Sound Wave или Capturable Sound Wave, это может быть вызвано накоплением памяти. По умолчанию память перераспределяется каждый раз, когда добавляется новое аудио. Чтобы предотвратить эту проблему, периодически вызывайте функцию ReleaseMemory, чтобы освободить накопленную память, например, каждые 30 секунд или около того.

Оптимизация производительности:

• Настраивайте Processing Chunk Size для реалистичных моделей в зависимости от ваших требований к производительности
• Используйте соответствующее количество потоков для вашего целевого оборудования
• Рассмотрите использование типа вывода Mouth Only для моделей с поддержкой настроения, когда полная мимическая анимация не требуется