4.0 KiB
4.0 KiB
各个服务负责人
- TTS（文字=>音频）
- 张守高
- 动作 （文字=>动作）
- 张渤林
- 孙佳俊
- 口型（音频=>表情数据）
- 张渤林
- 常清
存在问题
- 目前是否以文件的方式实现。
- 文字、声音、表情与动作的关联性。（主要是声音、表情与动作）
- 生成资产数据存在顺序依赖问题
- 文字 => 声音 => 表情（口型）
- 文字 => 动作
推流设计思路
- 服务器发送的数据都使用一个基于玩家发送对话生成的UUID作为时间戳（或许还需要一个用户ID）。
- 数据采用Stream式发送。动作与口型使用VMC来传输；音频使用RTMP协议来传输。其中推流模式分为2种实现：
- Stream式实时接受所有数据。
- Stream式缓存预读。
- 架构
- 根据上面说得2种模式，在服务端控制时间戳的重置（数据截断，并且发送给客户端进行截断与时间轴统一操作）。
- Puerts的Nodejs负责接收数据以及管理状态机，来管理接受的推流数据以及是否播放。（相关核心函数写在C++中）
- AIVirtualIdolServer端接受到动作数据之后，发送给AIVirtualIdol。
- RTMP的音频推流，AI端需要部署RTMP推流器；AIVirtualIdolServer部署RTMP Server；AIVirtualIdol接受Server数据后播放。
- 根据上面说得2种模式，在服务端控制时间戳的重置（数据截断，并且发送给客户端进行截断与时间轴统一操作）。
UE中的RTMP实现：
参考RTMP
- RTMP协议 01 入门:https://www.jianshu.com/p/715f37b1202f
- RTMP协议 02 视频Chunk和音频Chunk到底长啥样?:https://www.jianshu.com/p/cc813ba41caa
- RTMP协议 03 RTMP设计思想:https://www.jianshu.com/p/9459606c2025
- RTMP协议 04 RTMP播放基本流程:https://www.jianshu.com/p/4577a61af0c7
- RTMP协议 05 时间戳:https://www.jianshu.com/p/119075482a54
RTMP
Message & Chunk
RTMP中一个重要的概念就是消息。
网络中实际发送的内容。
Chunk Format
Message被切割成一个或多个Chunk，然后在网络上进行发送。
当发送时，一个chunk发送完毕后才可以发送下一个chunk。
Message被拆分成一个或多个Chunk，然后在网络上发送
拆分的时候，默认的Chunk Size是128字节，以Message大小为300字节举例，进行拆分。
300 = 128 + 128 + 44
作者：FlyingPenguin
链接：https://www.jianshu.com/p/715f37b1202f
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
开发计划
- C++实现RecivedDataManagerComponent管理音频、口型&动作数据、文字。
- Puerts实现数据接收逻辑。
- 实现声音播放逻辑。
- 实现口型&动作动画节点。
- 实现动画状态机结构初版。
声音
Runtime Import Sound
使用RuntimeAudioImporter插件，里面的解码使用了第三方库https://github.com/mackron/dr_libs。导入Sound使用了UImportedSoundWave::PopulateAudioDataFromDecodedInfo()
UE的做法
/*SoundStreaming->RawPCMDataSize = DataSize;
SoundStreaming->RawPCMData = AudioData;*/
表情
在状态机里生成完成之后，通过BP_Player的接口ATF_TO_BS，传递数据到动画蓝图NV2_Full_Skeleton_AnimBlueprint中。之通过动画蓝图的Pose读取曲线并且播放动画。