Ditto
antgroup/ditto-talkingheadRevisado por IA
Verificado pelo RepoPicks Radar em
O que é Ditto?
Código de pesquisa da Ant Group que anima um retrato parado para sincronizar os lábios e se mover junto com um arquivo de áudio que você fornece, salvando o resultado como um MP4. Você roda com um único comando depois de criar um ambiente conda, instalar o TensorRT e baixar cerca de uma dezena de arquivos de modelo do Hugging Face. Foi testado no Linux (CentOS 7.2) com uma placa A100, e os modelos rápidos já prontos só cobrem placas NVIDIA Ampere ou mais novas; placas mais antigas precisam de uma etapa de conversão. Também há um notebook oficial do Colab para testar no navegador.
Ditto é grátis e de código aberto (Apache-2.0) e pode substituir HeyGen, Synthesia e D-ID.
Quão fácil é instalar Ditto?
D · terminal, várias ferramentas ou placa específica · Linux
No Linux você clona o projeto, monta um ambiente conda, instala o TensorRT 8.6.1, baixa os arquivos de modelo com git lfs e depois digita um comando com cinco caminhos; não há janela nem página para clicar. Windows e macOS não são mencionados em nenhum momento, e a configuração testada foi CentOS 7.2 com uma NVIDIA A100.
Em breve: instale com 1 clique pelo app RepoPicks.
Ditto no GitHub
- Estrelas
- 932em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +3estrelas em 6 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Linux
- Você precisa instalar
- Python, Placa NVIDIA, FFmpeg
- Para compilar a partir do código
- Python, Placa NVIDIA, FFmpeg
- Espaço em disco
- 100 MB–300 MB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis
- Licença
- Apache-2.0 (Permissiva)
- Última mudança no GitHub
- 12 de nov. de 2025
Sinais de risco de Ditto (5)
- AtençãoPode fazer uma pessoa real parecer estar falando
README.md descreve "Controllable Realtime Talking Head Synthesis" guiado por "--audio_path" e "--source_path" (qualquer imagem). O mesmo comando que anima seu próprio retrato vai animar a foto de outra pessoa com qualquer áudio, e o repositório não mostra verificação de consentimento, marca d'água nem restrição de uso além da licença Apache-2.0.
revisão por IA
- AtençãoSem atualizações há um ano
Último push em 2025-11-12, 360 dias sem commits, e nenhum release no GitHub. A entrada mais recente do README é o código de treinamento publicado em 2025.11.12.
revisão por IA
- InfoModelos prontos só para placas NVIDIA mais novas
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". Em placas mais antigas você tem que construir os engines por conta própria.
revisão por IA
- InfoArquivos de modelo hospedados em outro lugar
README.md Download Checkpoints: "git clone https://huggingface.co/digital-avatar/ditto-talkinghead checkpoints". Os arquivos de modelo, incluindo um plugin compilado (libgrid_sample_3d_plugin.so), vêm do Hugging Face e não deste repositório; a estimativa determinística de disco (100 a 300 MB) cobre só o código.
revisão por IA
- InfoDependências antigas fixadas
environment.yaml fixa python=3.10.16, pytorch=2.5.1 com cuda 12.1, tensorrt==8.6.1 e numpy==2.0.1, tudo do fim de 2024, o que pode conflitar com um driver atual ou uma instalação de CUDA mais nova.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em Ditto
- Se instala e roda em algo além da configuração testada de CentOS mais A100, e se funciona no Windows.
- O uso real de disco depois de baixar os arquivos de modelo do Hugging Face.
- Quão rápido é em uma placa de consumo, e se a afirmação de "realtime" se sustenta fora de uma A100.
- Quão bom fica o resultado com sua própria foto e áudio.
- Se o notebook oficial do Colab ainda funciona.