Wav2Lip
Clore.ai GPUs पर Wav2Lip के साथ किसी भी ऑडियो के लिए सटीक लिप-सिंक
Wav2Lip के साथ किसी भी ऑडियो पर लिप्स को सिंक करें।
CLORE.AI पर किराए पर लेना
विज़िट करें CLORE.AI मार्केटप्लेस
GPU प्रकार, VRAM और कीमत के अनुसार फ़िल्टर करें
चुनें ऑन-डिमांड (स्थिर दर) या स्पॉट (बोली मूल्य)
अपना ऑर्डर कॉन्फ़िगर करें:
Docker इमेज चुनें
पोर्ट सेट करें (SSH के लिए TCP, वेब UI के लिए HTTP)
यदि आवश्यक हो तो environment variables जोड़ें
स्टार्टअप कमांड दर्ज करें
भुगतान चुनें: CLORE, BTCया USDT/USDC
ऑर्डर बनाएं और डिप्लॉयमेंट की प्रतीक्षा करें
अपने सर्वर तक पहुँचें
कनेक्शन विवरण यहाँ खोजें मेरे ऑर्डर
वेब इंटरफ़ेस: HTTP पोर्ट URL का उपयोग करें
SSH:
ssh -p <port> root@<proxy-address>
Wav2Lip क्या है?
Wav2Lip प्रदान करता है:
किसी भी चेहरे के लिए सटीक लिप-सिंक
किसी भी ऑडियो के साथ काम करता है
वीडियो या इमेज इनपुट
रीयल-टाइम सक्षम
आवश्यकताएँ
बेसिक
4GB
RTX 3060
उच्च गुणवत्ता
6GB
RTX 3080
HD
8GB
RTX 4080
त्वरित डिप्लॉय
Docker इमेज:
पोर्ट:
कमांड:
अपनी सेवा तक पहुँचना
डिप्लॉयमेंट के बाद, अपना http_pub URL यहाँ मेरे ऑर्डर:
पर जाएँ मेरे ऑर्डर पेज
अपने ऑर्डर पर क्लिक करें
खोजें
http_pubURL (उदा.,abc123.clorecloud.net)
उपयोग करें https://YOUR_HTTP_PUB_URL की बजाय localhost नीचे दिए गए उदाहरणों में।
इंस्टॉलेशन
मूल उपयोग
कमांड लाइन
इमेज इनपुट के साथ
Python API
गुणवत्ता विकल्प
मानक गुणवत्ता (तेज़)
उच्च गुणवत्ता (GAN)
पैरामीटर
पैडिंग टिप्स
केंद्रित
0 10 0 0
क्लोज़-अप
0 15 0 0
दूर
0 5 0 0
बैच प्रोसेसिंग
Gradio इंटरफ़ेस
एपीआई सर्वर
TTS + Wav2Lip पाइपलाइन
पूर्ण टेक्स्ट-टू-वीडियो:
बाद की प्रक्रिया
परिणाम को अपस्केल करें
ऑडियो वापस जोड़ें
समस्या निवारण
चेहरा नहीं मिला
सुनिश्चित करें कि चेहरा स्पष्ट रूप से दिखाई दे
अच्छी रोशनी
सामने की ओर मुख करना बेहतर है
उच्च रिज़ॉल्यूशन इनपुट
खराब सिंक गुणवत्ता
wav2lip_gan.pth का उपयोग करें
पैडिंग समायोजित करें
ऑडियो सैंपल रेट जाँचें (16kHz अनुशंसित)
टूटा-फूटा आउटपुट
resize_factor बढ़ाएँ
nosmooth अक्षम करें
उच्च गुणवत्ता वाला इनपुट वीडियो उपयोग करें
प्रदर्शन
10 सेकंड का वीडियो
RTX 3060
~30 सेकंड
10 सेकंड का वीडियो
RTX 4090
~15 सेकंड
30 सेकंड का वीडियो
RTX 4090
~45 सेकंड
इमेज + 10 सेकंड ऑडियो
RTX 3090
~20 सेकंड
SadTalker के साथ तुलना
लिप सटीकता
उत्कृष्ट
अच्छा
सिर की गति
कोई नहीं
प्राकृतिक
अभिव्यक्ति
कोई नहीं
नियंत्रण योग्य
गति
तेज़
धीमा
इसके लिए सर्वश्रेष्ठ
डबिंग
अवतार
लागत का अनुमान
CLORE.AI मार्केटप्लेस की सामान्य दरें (2024 तक):
RTX 3060
~$0.03
~$0.70
~$0.12
RTX 3090
~$0.06
~$1.50
~$0.25
RTX 4090
~$0.10
~$2.30
~$0.40
A100 40GB
~$0.17
~$4.00
~$0.70
A100 80GB
~$0.25
~$6.00
~$1.00
मूल्य प्रदाता और मांग के अनुसार बदलते हैं। देखें CLORE.AI मार्केटप्लेस वर्तमान दरों के लिए।
पैसे बचाएँ:
का उपयोग करें स्पॉट बाधित किए जा सकने वाले कार्य के लिए मार्केट — लगभग एक-तिहाई सर्वरों की स्पॉट कीमत ऑन-डिमांड से कम होती है (मध्य ~13% छूट), बाकी उससे मेल खाते हैं
से भुगतान करें CLORE टोकन
विभिन्न प्रदाताओं के बीच कीमतों की तुलना करें
अगले चरण
SadTalker - सिर की गति + होंठ
XTTS - भाषण उत्पन्न करें
RVC वॉइस क्लोन - वॉइस रूपांतरण
अंतिम अपडेट
क्या यह उपयोगी था?