# 模型选型备忘

## 1. 数字人模型是什么

这里的“数字人”不是大语言模型，也不是单纯图片处理模型。它属于：

- 音频驱动人脸动画
- 口型同步
- 视频生成 / 视频重绘
- 计算机视觉 + 音频特征处理

输入是人物视频和语音，输出是口型跟随语音的新视频。

## 2. 推荐路线

### 快速验证：Wav2Lip / Wav2Lip-HQ

优点：资料多、命令行方式成熟、适合先跑通。

缺点：高清和复杂动作效果有限。

### 效果优先：MuseTalk

优点：现代方案，效果潜力更好。

缺点：部署更重，需要更认真处理依赖和预处理。

### 项目一致性：LstmSync

优点：主项目已有 `resources/lstmsync` 配置，功能定位最贴近。

缺点：需要确认权重、环境和推理脚本是否完整可迁移。

## 3. 硬件建议

- 最低尝试：RTX 3060 12GB。
- 更稳妥：16GB+ 显存。
- 长视频或高清：建议 24GB+ 显存，或做切片处理。

## 4. 不建议第一版做的事

- 不要一开始就训练模型。
- 不要一开始就做多模型动态切换 UI。
- 不要一开始就接公网鉴权和计费。
- 不要把模型权重放进 Git。

先跑通一个真实模型，再做工程化。