К содержимому
Аудио

Sentis Audio2Face-3D

лицевая анимация по голосу прямо в Unity

2 мин чтенияобновлено

Неофициальный порт диффузионной модели NVIDIA Audio2Face-3D v3.0 от разработчика Sky-Kim, упакованный в готовый пакет для Unity Sentis (библиотеки для запуска нейросетей внутри движка). Модель превращает голосовую дорожку или поток с микрофона в 52 веса блендшейпов ARKit (мимических морфов лица) с частотой 60 кадров в секунду. Главный плюс перед оригиналом — для работы больше не нужны Audio2Face SDK, CUDA, TensorRT или Python: вся логика, включая солвер кожи, переписана на C# и работает на GPUCompute или CPU прямо в игре.

Ключевые особенности

  • Работа в реальном времени и по клипам: поддерживает как генерацию анимации для готового AudioClip, так и потоковую обработку чанков с микрофона или TTS (синтезатора речи).
  • Три встроенных профиля: доступны пресеты мимики для персонажей Claire, James и Mark, а также настройка вектора эмоций из 10 значений и сида диффузии.
  • Совместимость с MetaHuman и Live Link: кривые легко маппятся на стандартные ARKit-блендшейпы, порядок Apple Live Link Face и риг MetaHuman URP.
  • Автоматическая оптимизация при сборке: в редакторе используется модель в fp32 (730 МБ), а при билде проекта хук сам конвертирует и упаковывает веса в Float16 (365 МБ) с минимальной потерей точности.

Что можно сделать

  • Оживить NPC в играх на Unity: подключить выход TTS-системы к потоковому API, чтобы персонажи с ARKit-совместимыми лицами или MetaHuman синхронно открывали рот и проявляли эмоции в диалогах.
  • Сделать анимированный аватар под микрофон: использовать встроенный пример Blendshape Player для управления мимикой 3D-персонажа живым голосом без сторонних серверов.

Пример

using Audio2Face;

// Генерация анимации для целого аудиоклипа
float[][] frames = await A2FGenerator.GenerateAsync(clip, new A2FOptions { identity = A2FIdentity.Claire });

// Потоковый режим (микрофон или чанки TTS)
using var stream = await A2FStream.CreateAsync(new A2FOptions());
stream.Push(samples16k);
await stream.PumpAsync();
ПодробнееСкорость на Apple M5 Max (Metal) для шага 0.5 с: ~50 мс на GPUCompute (в 9.4 раза быстрее реального времени) и ~200 мс на CPU (2.3x).
Точность: расхождение с оригинальным солвером BVLS из SDK не превышает 8.7e-12, а разница между fp32 и Float16 весами — 3e-4.
Требования: Unity 6 (протестировано на 6000.6.6f1), пакет com.unity.ai.inference 2.6.1 и установленный git-lfs перед импортом.
Ограничения: не поддерживаются блендшейпы языка (tongueOut), повороты глаз, жёсткая трансформация челюсти и модуль Audio2Emotion.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.7 GB · готовые файлы1.2 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.9 GB
  • 4-bitвеса 0.2 GB0.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Sky-Kim/com.sky.sentis.audio2face
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Sky-Kim/com.sky.sentis.audio2face --local-dir ~/models/com.sky.sentis.audio2face
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к com.sky.sentis.audio2face
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

nvidia/Audio2Face-3D-v3.0

Новые посты про версии Audio2Face-3D-v3.0 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

Sky-Kim/com.sky.sentis.audio2face
Автор
Sky-Kim
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Kuroko

Kuroko
Аудио

Echora Kiki

Echora Kiki