图片+音频=说话视频
这就是本次需要实现的功能。
window10电脑（GPU越大越好，我的是专享8G，有点小了）。
Python 3.11.9。
CUDA Version: 12.9。（驱动支持的最大 CUDA 版本，之前版本太低了，下载个新的安装，升级，重新启动电脑）
ComfyUI：作为Stable Diffusion用户界面。之前的文章介绍过怎么安装：https://github.com/comfyanonymous/ComfyUI
ComfyUI_Sonic： 核心框架：https://github.com/smthemex/ComfyUI_Sonic 。 下载后解压到文件夹\ComfyUI\custom_nodes\下面。
直接根据安装文档进行安装，包括模型下载：“3.Model“。
1：运行过程中有错误，比如有的模块没有安装，直接安装就行。
python .\main.py成功启动后，浏览器直接访问 ： http://127.0.0.1:8188
2：加载移动json。在文件夹下：\ComfyUI\custom_nodes\ComfyUI_Sonic\example_workflows 找到example.json。
将其推到浏览器打开的ui界面中。
3：上传自己的图片和音频：将图片和音频上传到相应位置，注意有个时长需要调整为跟音频一样的时间长度。
4：点击运行后，需要等待了，如果你的GPU比较大，那等待的时间就比较短。
生成的视频文件根据你最后的那个输出配置，一般在文件夹 \ComfyUI\output 中。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。