在复现这个项目的过程中，我遇到了很多问题无法解决。

[Olivia-Ye]

问题包括以下方面： 1、new speaker的keypoint是怎么生成的？ 2、我想要生成新的人物演讲动作，我需要从该人物的以往手势视频中获取lab、wav、textgrid(通过mfa音素对齐)，此外还要进行openpose获取keypoint吗？ 3、请问您提供的预训练模型是通用的吗？（我的意思是指：不需要指定某个说话人，生成他的动作风格） 如果您能提供一个联系方式来讨论问题，不胜感激！我已经为您这个项目忙活了半个月了，实在是很多地方不太理解。

[TheTempAccount]

1. 不太明白你的意思
2. 重新训练需要这些，生成的话构建类似sample_audio文件夹里面的数据(.wav, .textgrid)就行了
3. 模型里不需要指定说话人，这里没有动作风格的概念，通不通用看你的目的是啥

[Olivia-Ye]

我尝试了只使用sample_audio文件夹里面的数据(.wav, .textgrid)不指定clip_path的情况下，生成出来是只有手势没有脸的如下

看了代码，有无clip_path有一些区别，但是最后生成的pose矩阵维度是一样的，不明白为何最终只有手势，并且如何解决这个问题？ 希望您可以解答此问题，感激不尽！

[ChengyuanYan]

@Olivia-Ye clip_path specifies ground truth which is where face keypoints are stored. the model outputs upper body configuration, exclusive of face landmarks.