SoulX-FlashHead - 最快实时数字人，给它一段声音，秒出流畅会说话的数字人脸 支持50系显卡 一键整合包下载

无言***

SoulX-FlashHead - 最快实时数字人，给它一段声音，秒出流畅会说话的数字人脸 支持50系显卡 一键整合包下载 ...

SoulX-FlashHead 是由 Soul-AILab 开发的数字人生成系统，主要用于生成 实时的“会说话的人脸视频”。它能把文字或语音快速转化成一个虚拟人物的嘴型和表情，让这个人物看起来像真的在说话。

SoulX-FlashHead 简单来说，就是一个超级快的 “音频 → 说话人脸视频” AI工具。 你给它一段声音（可以是实时麦克风输入）加一张人脸图像，它就能立刻生成一段同步张嘴说话的人脸视频，而且可以一直说下去不会崩，特别适合要做实时数字人的场景。



核心特点

实时生成：在消费级显卡（如 RTX4090/5090）上可以做到流畅的实时视频输出，甚至支持多路并发。  

高质量与高速度兼顾：  
Lite 模型：速度极快（最高 96 FPS），适合需要同时生成多个实时视频的场景。  
Pro 模型：画面质量更高，适合对视觉效果要求更精细的应用。

无限流式输出：可以持续生成长时间的说话视频，而不是只能做短片段。

声音和嘴巴同步自然： 它专门为流式（streaming）实时场景设计，拿一小段音频就能开始生成，不会等你说完才出画面，延迟很低。



应用领域

虚拟主播、数字人直播（最典型场景）
实时AI客服、在线教育数字老师
视频会议里的虚拟形象（腾讯会议那种）
语音转视频内容创作（播客、短视频配脸）
游戏、元宇宙里需要实时对话的NPC头像
任何需要“语音驱动人脸”的低延迟互动产品




使用教程：（建议N卡，显存6G起，支持50系显卡）

包含 主程序 和 模型（models文件夹），分别下载，解压主程序，将 模型 剪切到主程序目录下即可

上传一张需要生成的人脸图像，加一段需要驱动说话的音频（支持麦克风实时录入），设置参数，生成即可。

包含两种模型：Lite和Pro，Lite偏向速度，Pro更侧重质量。
Lite：优化速度，单卡RTX 4090可达96 FPS，支持最多3路并发实时流，适合高吞吐场景
Pro：优化质量，单卡RTX 4090约10.8 FPS；双卡RTX 5090配合SageAttention可达25+ FPS实时生成，适合高质量输出。


音频编码模式 (stream和once)：
once：一次性编码整段音频，适合离线生成；内存占用较高，但编码开销只发生一次。
stream：逐块流式编码音频，适合实时/低延迟场景；内存占用可控，但每块都要重新编码。




软件目录结构

📂 SoulX-FlashHead/
├── 📂 assets/
├── 📂 models/
│   ├── 📂 SoulX-FlashHead-1_3B/
│   │      └── configuration.json
│   ├── 📂 wav2vec2-base-960h/
│   │      └── model.safetensors
├── 📂 deepface/
......




下载地址：
UC网盘：https://drive.uc.cn/s/29a4299460594

夸克网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 66碎银 下载该资源

立即购买

百度网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 66碎银 下载该资源

立即购买

15152***

“SoulX-FlashHead 是由 Soul-AILab 开发的数字人生成系统，主要用于生成 实时的“会说话的人脸视频”。它能把文字或语音快速转化成一个虚拟人物的嘴型和表情，让这个人物看起来像真的在说话。”
请问一下文字怎么输入？？？只有拖入音频文件啊！

roo***

牙齿太糟糕了

无言***

15152544000 发表于 2026-2-23 12:56
“SoulX-FlashHead 是由 Soul-AILab 开发的数字人生成系统，主要用于生成 实时的“会说话的人脸视频”。它 ...

只支持音频+图像
可以用论坛里发的TTS软件，用文字生成音频，再用这个软件

无言***

room901 发表于 2026-2-23 14:44
牙齿太糟糕了

类似头部驱动模型通病，用pro模型稍有改善

15152***

加载模型失败  试了好几次都不行，模型文件也剪切粘贴到主问价目录下了

无言***

15152544000 发表于 2026-2-23 15:32
加载模型失败  试了好几次都不行，模型文件也剪切粘贴到主问价目录下了

软件目录结构

📂 SoulX-FlashHead/
├── 📂 assets/
├── 📂 models/
│   ├── 📂 SoulX-FlashHead-1_3B/
│   │      └── configuration.json
│   ├── 📂 wav2vec2-base-960h/
│   │      └── model.safetensors
├── 📂 deepface/

15152***

[img=50,30][/img]

15152***

[generate] color correction: 0.028499126434326172s
[generate] encode motion frames: 0.1582472324371338s
2026-02-23 17:18:05.123 | INFO     | __main__:generate_video:208 - 生成视频片段 157 完成, 耗时: 1.373s
[generate] model denoise per step: 0.1900479793548584s
[generate] model denoise per step: 0.1875002384185791s
[generate] model denoise per step: 0.1815037727355957s
[generate] model denoise per step: 0.17850279808044434s
[generate] decode video frames: 0.3854992389678955s
[generate] color correction: 0.02775096893310547s
[generate] encode motion frames: 0.14999985694885254s
2026-02-23 17:18:06.477 | INFO     | __main__:generate_video:208 - 生成视频片段 158 完成, 耗时: 1.330s
[generate] model denoise per step: 0.18822336196899414s
[generate] model denoise per step: 0.17925238609313965s
[generate] model denoise per step: 0.18000173568725586s
[generate] model denoise per step: 0.1822502613067627s
[generate] decode video frames: 0.3713409900665283s
[generate] color correction: 0.029014110565185547s
[generate] encode motion frames: 0.14624691009521484s
2026-02-23 17:18:07.804 | INFO     | __main__:generate_video:208 - 生成视频片段 159 完成, 耗时: 1.304s
[generate] model denoise per step: 0.18375349044799805s
[generate] model denoise per step: 0.1912527084350586s
[generate] model denoise per step: 0.1815013885498047s
[generate] model denoise per step: 0.18073415756225586s
[generate] decode video frames: 0.3742506504058838s
[generate] color correction: 0.02774977684020996s
[generate] encode motion frames: 0.15075373649597168s
2026-02-23 17:18:09.147 | INFO     | __main__:generate_video:208 - 生成视频片段 160 完成, 耗时: 1.319s
[generate] model denoise per step: 0.18374991416931152s
[generate] model denoise per step: 0.1805744171142578s
[generate] model denoise per step: 0.17999958992004395s
[generate] model denoise per step: 0.18075060844421387s
[generate] decode video frames: 0.380875825881958s
[generate] color correction: 0.02700352668762207s
[generate] encode motion frames: 0.1470017433166504s
2026-02-23 17:18:10.479 | INFO     | __main__:generate_video:208 - 生成视频片段 161 完成, 耗时: 1.309s
2026-02-23 17:18:15.955 | ERROR    | __main__:generate_video:228 - 生成视频时出错: [WinError 2] 系统找不到指定的文件。
Traceback (most recent call last):
  File "<frozen app>", line 220, in generate_video
  File "<frozen app>", line 116, in save_video
  File "D:\szr\SoulX-FlashHead\SoulX-FlashHead\deepface\Lib\subprocess.py", line 548, in run
    with Popen(*popenargs, **kwargs) as process:
         ^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "D:\szr\SoulX-FlashHead\SoulX-FlashHead\deepface\Lib\subprocess.py", line 1026, in __init__
    self._execute_child(args, executable, preexec_fn, close_fds,
  File "D:\szr\SoulX-FlashHead\SoulX-FlashHead\deepface\Lib\subprocess.py", line 1538, in _execute_child
    hp, ht, pid, tid = _winapi.CreateProcess(executable, args,
                       ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
FileNotFoundError: [WinError 2] 系统找不到指定的文件。
2026-02-23 17:21:49.014 | INFO     | __main__:load_model:52 - Loading pro model (SageAttention: False)...

无言***

15152544000 发表于 2026-2-23 17:38
[generate] color correction: 0.028499126434326172s
[generate] encode motion frames: 0.15824723243713 ...

https://deepface.cc/thread-152-1-1.html