For the complete documentation index, see llms.txt. This page is also available as Markdown.

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

  1. विज़िट करें CLORE.AI मार्केटप्लेस

  2. GPU प्रकार, VRAM और कीमत के अनुसार फ़िल्टर करें

  3. चुनें ऑन-डिमांड (स्थिर दर) या स्पॉट (बोली मूल्य)

  4. 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

  5. भुगतान चुनें: CLORE, BTCया USDT/USDC

  6. 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

मोड
VRAM
अनुशंसित

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:

  1. पर जाएँ मेरे ऑर्डर पेज

  2. अपने ऑर्डर पर क्लिक करें

  3. खोजें http_pub URL (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

चेहरे की स्थिति
अनुशंसित पैड

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

इनपुट
GPU
प्रोसेसिंग समय

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

विशेषता
Wav2Lip
SadTalker

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):

GPU
प्रति घंटा दर
प्रति दिन दर
4-घंटे का सत्र

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

अंतिम अपडेट

क्या यह उपयोगी था?