数字人

一张照片 + 一段音频 = 一个会说话的数字人视频。本文记录了在 RTX 2080 (8GB) 上从零部署 EchoMimic 的完整过程，包括环境搭建、模型下载、基础推理、长视频分段处理，以及如何用 512x512 推理 + 超分放大生成 720x1280 竖屏高清视频。