这个比原生的MuseTalk做了那些改进或优化，可以介绍一下吗

[zhangyuzyy]

这个比原生的MuseTalk做了那些改进或优化，可以介绍一下吗

[zhangyuzyy]

使用这套代码训练的模型可以用原生的masetalk做推理吗

[IronSpiderMan]

使用这套代码训练的模型可以用原生的masetalk做推理吗

基本是适配原生模型的推理。主要改进和优化有：

1. 代码可读性，在原项目中，音频特征提取的可读性很差，而且存在大量从whisper直接拷贝来的代码。这部分我重写了音频特征提取，把whisper的代码删除了，直接导入whisper模块。

2. 人脸识别部分的代码进行简化，原项目使用了mmpose和face-parse，而且拷贝了大量mmpose的代码，这部分我也删除了，改写了人脸识别部分的代码，只使用mmpose，效率提高了。不过这部分存在一些bug，后续会改进。

3、推理代码代码可读性提升，减少许多不必要的io操作，推理速度少许提升。部分加入了异步。

4、添加了声音克隆的推理，这部分还没有更新到仓库

5、添加了流式api接口，目前还在完善。

6、添加了数据准备和训练代码，训练代码也在原项目train_codes的基础上做了可读性上的优化。不过目前还存在问题

7、添加了syncnet的训练代码，目前还在调试中。

[Rykertang]

使用这套代码训练的模型可以用原生的masetalk做推理吗

基本是适配原生模型的推理。主要改进和优化有：

1. 代码可读性，在原项目中，音频特征提取的可读性很差，而且存在大量从whisper直接拷贝来的代码。这部分我重写了音频特征提取，把whisper的代码删除了，直接导入whisper模块。
2. 人脸识别部分的代码进行简化，原项目使用了mmpose和face-parse，而且拷贝了大量mmpose的代码，这部分我也删除了，改写了人脸识别部分的代码，只使用mmpose，效率提高了。不过这部分存在一些bug，后续会改进。

3、推理代码代码可读性提升，减少许多不必要的io操作，推理速度少许提升。部分加入了异步。

4、添加了声音克隆的推理，这部分还没有更新到仓库

5、添加了流式api接口，目前还在完善。

6、添加了数据准备和训练代码，训练代码也在原项目train_codes的基础上做了可读性上的优化。不过目前还存在问题

7、添加了syncnet的训练代码，目前还在调试中。

这个syncnet有预训练好的模型可以下载吗