LivePortrait 实操指南三条命令把静态照片变成动态肖像【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortraitLivePortrait 是一个基于 PyTorch 的开源人像动画工具它从一段驱动视频或预生成的动作模板中提取头部姿态、表情和口型变化再迁移到一张静态人像照片上最终输出一段动画视频。项目同时提供人类模式和猫狗动物模式并附带 Gradio 图形界面覆盖从单次推理到批量生成的常见需求。先搞清三样东西输入、输出和入口LivePortrait 的推理逻辑很简单——一个静止的源加上一个会动的驱动生成结果要素命令行参数接受的格式源要被带动的对象-s / --source人像图片jpg/png或人像视频mp4驱动动作来源-d / --driving驱动视频mp4或动作模板.pkl输出目录-o / --output_dir默认为animations/仓库自带的示例素材就是最直观的教学材料assets/examples/source/放的是源照片assets/examples/driving/里既有 mp4 驱动视频也有一批.pkl动作模板眨眼、歪头、说话、害羞等。成功后会在animations/下生成形如s6--d0_concat.mp4的文件内容是驱动视频、源输入、生成结果三栏拼接的对比视频方便直接判断效果。安装与环境准备 ️前置条件系统里装好git、conda和FFmpeginference.py启动时会检查ffmpeg是否可用缺失会直接报错安装方法见 assets/docs/how-to-install-ffmpeg.md。git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait conda create -n LivePortrait python3.10 conda activate LivePortrait依赖安装因平台而异这是三个平台最容易踩的差异点平台依赖安装动物模式额外要求Linux / Windowspip install -r requirements.txt支持需先编译 X-Pose 算子见下文macOSApple Siliconpip install -r requirements_macOS.txt不支持运行时加PYTORCH_ENABLE_MPS_FALLBACK1速度约为 RTX 4090 的 1/20权重统一放到pretrained_weights/目录pip install -U huggingface_hub[cli] huggingface-cli download KlingTeam/LivePortrait --local-dir pretrained_weights --exclude *.git* README.md docs落盘后的目录结构应与 assets/docs/directory-structure.md 保持一致放错位置会报权重找不到。跑通第一次动画最省事的方式是直接执行默认命令源为s0.jpg、驱动为d0.mp4python inference.py想换成自己的素材只需替换-s和-d全部参数可用python inference.py -h查看默认值与含义都写在 src/config/argument_config.py 的注释里python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4如果更习惯鼠标操作可以用 Gradio 界面人类模式app.py默认端口 8890界面里支持滑块调节头部姿态俯仰/偏航/翻滚和表情、口型等细节比改命令行参数更直观。 动物模式Linux / Windows NVIDIA GPU动物模式用的是另一套关键点检测X-Pose需要先手动编译一个自定义算子cd src/utils/dependencies/XPose/models/UniPose/ops python setup.py build install cd -之后入口换成inference_animals.py/app_animals.py。动物对动作幅度更敏感官方示例命令里有两个针对动物的关键参数--driving_multiplier 1.75放大动作幅度--no_flag_stitching关闭拼接修正python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching让驱动信号好用的四条规则 用自带的示例视频时效果有保证换成自己的驱动视频时效果好坏基本由这四条决定官方 readme 里标为 IMPORTANT 的建议裁成 1:1如 512×512或加--flag_crop_driving_video让程序自动裁剪自动裁切不理想时可用--scale_crop_driving_video、--vy_ratio_crop_driving_video微调画面聚焦头部少包含肩膀——肩部运动会干扰迁移第一帧是正面、中性表情模型以它作为动作的零点驱动视频可以包含音频用--audio_priority driving/source决定最终视频取哪一路声音。两个常被忽略的选项--driving_optionexpression-friendly默认配合--driving_multiplier按整体幅度缩放源为人类照片时用或pose-friendly侧重姿态迁移.pkl动作模板把驱动视频预处理成纯动作文件推理更快且因为不携带原始画面用来做口播、演讲类内容时能保护隐私。--driving_multiplier控制动作被放大或缩小的倍数默认 1.0出现面部扭曲时优先回调到 0.8–1.2 之间。另外--animation_region可以只迁移局部exp表情、pose头姿、lip嘴、eyes眼或all默认。界面里的进阶玩法Gradio 界面src/gradio_pipeline.py把论文里的几个能力都做成了交互组件姿态编辑拖动滑块直接改源人脸的朝向再生成动画精细面部编辑独立控制眼神方向、嘴唇开合等微表情适合做口播数字人图像驱动不用驱动视频用另一张人脸照片的表情驱动源图实现表情迁移视频编辑v2v源输入给一段视频可逐帧替换其中的人脸动作。出问题怎么排查 ⚙️现象大概率原因处理动作启动即报 FFmpeg 错误系统缺ffmpeg/ffprobe安装 FFmpegassets/docs/how-to-install-ffmpeg.md装 torch 后 CUDA 报错驱动/工具链与 PyTorch 版本不匹配nvcc -V查版本按 PyTorch 官网版本表 装对应 CUDA 的 torchWindows 高版本 CUDA12.4有已知问题可降到 11.8生成结果面部扭曲源图质量差或动作幅度过大换正面清晰照片--driving_multiplier回调到 0.8–1.2显存不足源分辨率过高调低--source_max_dim默认 1280可降到 1024关闭其他占卡程序输出黑屏/黑块个别 GPU 与 FP16 不兼容FP16 默认开启改用--no_flag_use_half_precision关闭macOS 上动物模式跑不了X-Pose 不支持 macOS这是平台边界仅人类模式可用速度方面可以跑python speed.py测本机各模块耗时RTX 4090 参考数据见 assets/docs/speed.md长期用 Gradio 界面时可加--flag_do_torch_compile首次推理约多花一分钟做优化之后每次快 20–30%仅 Linux 支持。收尾跑通python inference.py只是起点素材质量决定下限driving_multiplier、animation_region、flag_stitching这些参数决定上限。建议从自带示例开始逐个替换成自己的素材遇到效果问题按上面的排查表处理。核心源码在src/modules/外观/运动提取、Spade 生成、warping、拼接与重定向网络所有可调参数集中在src/config/界面逻辑在src/gradio_pipeline.py想改行为前先看这三个位置。【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考