Ditto
antgroup/ditto-talkingheadRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es Ditto?
Código de investigación de Ant Group que anima un retrato fijo para que sincronice los labios y se mueva junto con un archivo de audio que tú proporcionas, guardando el resultado como un MP4. Lo ejecutas con un solo comando después de crear un entorno conda, instalar TensorRT y descargar cerca de una docena de archivos de modelo desde Hugging Face. Se probó en Linux (CentOS 7.2) con una tarjeta A100, y los modelos rápidos ya preparados solo cubren tarjetas NVIDIA Ampere o más nuevas; las tarjetas más antiguas necesitan un paso de conversión. También hay un notebook oficial de Colab para probarlo en el navegador.
Ditto es gratis y de código abierto (Apache-2.0) y puede reemplazar a HeyGen, Synthesia y D-ID.
¿Qué tan fácil es instalar Ditto?
D · terminal, varias herramientas o tarjeta específica · Linux
En Linux clonas el proyecto, construyes un entorno conda, instalas TensorRT 8.6.1, descargas los archivos de modelo con git lfs y luego escribes un comando con cinco rutas; no hay ventana ni página para hacer clic. Windows y macOS no se mencionan en absoluto, y la configuración probada fue CentOS 7.2 con una NVIDIA A100.
Pronto: instala con 1 clic desde la app RepoPicks.
Ditto en GitHub
- Estrellas
- 932el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +3estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Linux
- Necesitas instalar
- Python, Tarjeta NVIDIA, FFmpeg
- Para compilar desde el código
- Python, Tarjeta NVIDIA, FFmpeg
- Espacio en disco
- 100 MB–300 MB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis
- Licencia
- Apache-2.0 (Permisiva)
- Último cambio en GitHub
- 12 nov 2025
Señales de riesgo de Ditto (5)
- AtenciónPuede hacer que una persona real parezca hablar
README.md describe "Controllable Realtime Talking Head Synthesis" impulsado por "--audio_path" y "--source_path" (cualquier imagen). El mismo comando que anima tu propio retrato animará una foto de otra persona con cualquier audio, y el repositorio no muestra verificación de consentimiento, marca de agua ni restricción de uso más allá de la licencia Apache-2.0.
revisión con IA
- AtenciónSin actualizaciones hace un año
Último push el 2025-11-12, 360 días sin commits, y ningún lanzamiento de GitHub. La entrada más reciente del README es el código de entrenamiento publicado el 2025.11.12.
revisión con IA
- InfoModelos listos solo para tarjetas NVIDIA más nuevas
README.md: "We have provided the tensorRT model with hardware-compatibility-level=Ampere_Plus (checkpoints/ditto_trt_Ampere_Plus/). If your GPU does not support it, please execute the cvt_onnx_to_trt.py script to convert from the general onnx model". En tarjetas más antiguas tienes que construir los motores tú mismo.
revisión con IA
- InfoArchivos de modelo alojados en otro lugar
README.md Download Checkpoints: "git clone https://huggingface.co/digital-avatar/ditto-talkinghead checkpoints". Los archivos de modelo, incluido un plugin compilado (libgrid_sample_3d_plugin.so), vienen de Hugging Face y no de este repositorio; la estimación determinista de disco (100 a 300 MB) cubre solo el código.
revisión con IA
- InfoDependencias antiguas fijadas
environment.yaml fija python=3.10.16, pytorch=2.5.1 con cuda 12.1, tensorrt==8.6.1 y numpy==2.0.1, todo de fines de 2024, lo que puede chocar con un driver actual o una instalación de CUDA más nueva.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de Ditto
- Si se instala y funciona en algo distinto de la configuración probada de CentOS más A100, y si funciona en Windows.
- El uso real de disco tras descargar los archivos de modelo desde Hugging Face.
- Qué tan rápido es en una tarjeta de consumo, y si la afirmación de "realtime" se sostiene fuera de una A100.
- Qué tan bueno se ve el resultado con tu propia foto y audio.
- Si el notebook oficial de Colab todavía funciona.