SadTalker模型下载与安装配置完整指南5步跑通说话人生成环境【免费下载链接】SadTalker[CVPR 2023] SadTalkerLearning Realistic 3D Motion Coefficients for Stylized Audio-Driven Single Image Talking Face Animation项目地址: https://gitcode.com/GitHub_Trending/sa/SadTalker本文带你从零完成 SadTalker 的模型下载与安装配置共 5 个步骤准备 Python 运行环境、用内置脚本拉取全部权重、核对文件清单再用仓库自带样本跑一次验证。跟做完全部内容后你就能独立完成一张肖像图 一段音频生成说话视频从装好环境到首次出片的全流程。SadTalker 的输入只需要一张清晰的人像效果取决于权重文件是否配置正确。仓库内置了一张示例输入图先感受一下全流程速览准备环境克隆仓库创建 Python 3.8 虚拟环境安装依赖与 ffmpeg。一键下载执行内置下载脚本自动拉取全部权重文件。手动下载网络受限时改走其他渠道自行放入指定目录。核对清单确认checkpoints/与gfpgan/weights/下 8 个文件齐全。验证测试用自带样本运行推理确认能生成视频。第 1 步准备 Python 运行环境做什么把项目代码拿到本地并搭建一个干净的独立运行环境。怎么做打开终端依次执行下面的命令。先克隆仓库并进入目录再新建 Python 3.8 的 conda 环境ffmpeg 负责视频的读写依赖清单在requirements.txt里。git clone https://gitcode.com/GitHub_Trending/sa/SadTalker cd SadTalker conda create -n sadtalker python3.8 conda activate sadtalker conda install ffmpeg pip install -r requirements.txt预期结果全部命令执行完毕且没有红色报错当前目录能看到scripts/、src/、examples/等子目录。使用 Apple 芯片的 Mac 还需单独执行pip install dlib更多平台细节可参考 docs/install.md。第 2 步用内置脚本一键下载模型文件做什么让脚本自动建目录、拉取权重。这是 Linux 与 macOS 用户的推荐方式运行前请确认磁盘至少还有 5 GB 可用空间。怎么做在项目根目录执行官方提供的下载脚本它会把所有文件写入两个新目录bash scripts/download_models.sh脚本对每个文件都使用了 wget 的-nc参数。如果中途断网直接再次执行同一条命令即可已完成的文件会被跳过不需要从头再来。预期结果执行结束后仓库根目录多出了checkpoints/和gfpgan/weights/两个目录合计 8 个模型文件。Windows 用户或脚本无法访问网络时进入第 3 步。第 3 步通过其他渠道手动下载模型文件做什么内置脚本失效时人工取回文件并放到正确位置。怎么做README 中列出了三个下载渠道分别是GitHub Releases、Google Drive和百度网盘提取码sadt。主权重与 GFPGAN 离线包在三个渠道下各有独立入口下载时注意区分不要拿错。文件解压后放入checkpoints/或gfpgan/weights/目录文件名必须与下一步的清单完全一致。预期结果放置完成后两个目录的内容与脚本正常跑完的结果一致。第 4 步核对模型文件清单与目录结构做什么逐件核对文件是否齐全缺一个都会让后续推理加载失败。怎么做列出上述两个目录的内容与下表逐一比对。文件作用checkpoints/mapping_00109-model.pth.tarMappingNet 权重负责音频到 3D 运动系数的转换checkpoints/mapping_00229-model.pth.tarMappingNet 的另一套权重checkpoints/SadTalker_V0.0.2_256.safetensors256 分辨率面部渲染模型checkpoints/SadTalker_V0.0.2_512.safetensors512 分辨率面部渲染模型gfpgan/weights/alignment_WFLW_4HG.pthGFPGAN 人脸对齐模型gfpgan/weights/detection_Resnet50_Final.pthGFPGAN 人脸检测模型gfpgan/weights/GFPGANv1.4.pthGFPGAN 人脸增强主模型gfpgan/weights/parsing_parsenet.pthGFPGAN 人脸解析模型预期结果8 个文件全部就位。两个SadTalker_V0.0.2_*.safetensors分别对应推理时--size 256默认与--size 512两种渲染分辨率日常使用无需额外操作。第 5 步跑一次验证测试做什么用仓库自带样本完整跑一遍推理确认权重能被正确加载。怎么做examples/目录里备有现成的音频与人像直接执行python inference.py --driven_audio examples/driven_audio/chinese_news.wav \ --source_image examples/source_image/art_16.png测试输入也可以换成examples/source_image/下的任意一张人像比如这张半身样图预期结果程序走完流程并打印The generated video is named: ...成品 MP4 保存在results/目录下。想让人脸更清晰可在命令后追加--enhancer gfpgan它依赖第 4 步核对的 GFPGAN 权重。如果还想试整图动画模式加上--still --preprocess full并尽量选用全身人像仓库提供了现成样本examples/source_image/full_body_1.png排障手册从现象到解决办法现象可能原因解决办法下载中途断开、脚本停住网络不稳定重新执行bash scripts/download_models.sh-nc参数会自动跳过已完成文件加载模型时报unexpected EOF一类错误文件不完整或已损坏重新下载对应文件并覆盖旧文件提示ffmpeg: command not foundffmpeg 未安装或未加入 PATHLinux/macOS 执行conda install ffmpegWindows 安装 ffmpeg 后将其加入%PATH%FileNotFoundError指向checkpoints/下的文件权重未下载或放错了目录重新执行下载脚本确认文件位于仓库根目录的两个指定目录内CUDA out of memory显存不足运行前设置环境变量PYTORCH_CUDA_ALLOC_CONFmax_split_size_mb:128音频解码报错输入格式不受支持换用wav或mp3格式的音频收尾常见误区与进阶路径先避开三个容易踩的坑。混用版本权重文件必须与代码同版本当前代码对应 V0.0.2 系列新旧混用会直接加载失败。漏下增强权重GFPGAN 人脸增强是独立于主权重的下载项漏掉它时主流程可用但--enhancer gfpgan会报错。期待首次运行自动补全程序不会在下载缺失权重时自动去拉取缺文件只会直接报错所以务必先完成第 2 至第 4 步再跑第一次推理。再记三条长期建议。备份模型目录首次配置成功后把checkpoints/和gfpgan/整体复制一份日后重建环境直接拷回即可。保持路径干净仓库放在不含空格和中文的路径下避免音频读取与视频写出出现意外。记录首次成功的命令记下能跑通的完整参数之后更换输入或调试时有据可查。想继续深入建议按顺序阅读docs/best_practice.md 讲解参数调整与各动画模式docs/FAQ.md 收录更多报错说明docs/install.md 覆盖 macOS 与 Docker 的搭建差异。若问题仍不在上述列表中可携带完整报错信息到项目社区发帖讨论。【免费下载链接】SadTalker[CVPR 2023] SadTalkerLearning Realistic 3D Motion Coefficients for Stylized Audio-Driven Single Image Talking Face Animation项目地址: https://gitcode.com/GitHub_Trending/sa/SadTalker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考