LivePortrait 人像动画保姆级上手指南三步让静态照片开口说话【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait手机相册里躺着上千张静态照片却只能一张张吃灰LivePortrait 是一款开源人像动画工具只需一段驱动视频就能让任意照片里的人像活起来——眨眼、微笑、歪头效果自然到像在录视频。它把静态图像→动态肖像的成本压到一条命令免费、本地运行、隐私不出本机是 AI 内容创作者和新手都值得收藏的项目。30 秒判断这 5 个亮点值不值得你下载一句话总结它是目前上手门槛最低、效果最稳的开源人像动画方案之一。亮点一句话说明免费开源本地运行不用注册、不用排队照片和驱动视频全程不出本机真人 动物双模式除了人像猫狗照片也能一键做成表情包驱动方式任你选驱动视频、单张驱动图片、.pkl动作模板都能当导演精细到眉毛的表情微调眼睛开合、嘴唇、微笑、眉毛、眼球方向滑块直控一张常见显卡即可跑RTX 4090 级显卡可接近实时推理普通游戏本也能慢慢出片三步走零基础实操从克隆仓库到生成第一个动画这一节用最少的命令带你把静态照片变成会动的肖像。第一步准备环境装好依赖假设你已经装好git、conda和 FFmpeg下面几条命令即可搞定环境# 1. 克隆仓库到本地 git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait # 2. 用 conda 创建 Python 3.10 环境并激活 conda create -n LivePortrait python3.10 conda activate LivePortrait # 3. 安装依赖NVIDIA 显卡用户请先装好与 CUDA 版本匹配的 torch pip install -r requirements.txt小提示Apple Silicon 的 Mac 用户请改用pip install -r requirements_macOS.txt人类模式照常可用。第二步下载预训练权重模型权重统一放在pretrained_weights/目录下用官方工具一条命令拉下来# 将权重下载到项目内的 pretrained_weights 目录约几 GB耐心等待 huggingface-cli download KlingTeam/LivePortrait --local-dir pretrained_weights --exclude *.git* README.md docs若本机还没装huggingface_hub的命令行工具先执行pip install -U huggingface_hub[cli]下载慢的话可在命令前加export HF_ENDPOINThttps://hf-mirror.com走国内镜像。第三步跑通第一条推理命令# 使用仓库自带的示例素材直接生成你的第一个动画 python inference.py几十秒后你会在animations/目录下拿到s6--d0_concat.mp4——它把驱动视频、源图像、生成结果三段拼在一起方便一眼对比效果。想换自己的素材只需用-s和-d指定路径# -s 指定源照片-d 指定驱动视频 python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4第四步打开 Gradio 图形界面零代码操作不想敲命令项目提供了网页版界面一条命令即可启动python app.py # 启动后浏览器访问 http://127.0.0.1:8890界面逻辑很直观左边选源素材图片或视频右边选驱动素材点 Animate 出片。界面内置多组示例素材点一下就能试跑非常适合新手熟悉流程。更进一步把右侧的 Driving Video 切换成 Driving Image就能用一张带表情的照片来驱动动画连视频素材都不需要进阶技巧5 个常见问题与避坑解法问题 1用自己的视频驱动结果人脸发虚、裁得不对解法先把驱动视频养合格。官方强烈建议驱动视频裁剪为 1:1 宽高比、画面聚焦头部、尽量减少肩部运动、首帧保持中性表情的正面脸。也可以让程序自动裁剪# 自动把驱动视频裁剪到合适的人脸区域 python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d13.mp4 --flag_crop_driving_video若自动裁剪仍不理想再手动调整--scale_crop_driving_video缩放和--vy_ratio_crop_driving_video上下偏移。问题 2表情幅度不够或者动作太夸张解法调driving multiplier和driving option。图像驱动时driving multiplier 控制驱动强度——值越大表情变化越明显driving option 可在expression-friendly更重表情和pose-friendly更重头部姿态之间切换按素材类型二选一。问题 3想精确控制嘴张多大、眼闭多深不靠驱动视频行吗解法用 Gradio 里的 Retargeting 滑块。上传一张源图后眼睛开合比例、嘴唇开合程度、微笑、眨眼、眉毛、眼球方向等十几个滑块任你拖动实时预览、所见即所得。姿态部分还能单独调整 pitch / yaw / roll让头部朝任意方向转动做点头、摇头效果也毫无压力问题 4生成太慢等得着急解法开启--flag_do_torch_compile。第一次推理会花约一分钟做预热优化之后推理速度提升 20%30%。注意此选项在 Windows 和 macOS 上不支持。python app.py --flag_do_torch_compile # 预热一次后续提速明显问题 5想让猫咪照片也活过来解法切换到动物模式。动物模式需要 NVIDIA GPULinux/Windows且要先编译 X-Pose 依赖的自定义算子再运行专用脚本# 先编译 X-Pose 算子只需一次 cd src/utils/dependencies/XPose/models/UniPose/ops python setup.py build install cd - # 用 wink.pkl 动作模板驱动一张猫/狗照片 python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching高频问答新手最关心的 5 个问题Q1没有 NVIDIA 显卡能跑吗可以但速度会慢很多。命令行支持--flag_force_cpu实验性Apple Silicon 的 Mac 能正常跑人类模式PYTORCH_ENABLE_MPS_FALLBACK1 python app.py不过速度大约是 RTX 4090 的 1/20且不支持动物模式。Q2为什么我用自己拍的视频效果总是不如示例九成是驱动视频的问题。对照1:1 裁剪、头部居中、肩部少动、首帧中性表情四条标准检查一遍效果立刻不一样。Q3.pkl动作模板是什么有什么用它是预先提取好的动作文件如wink.pkl、laugh.pkl。用它驱动可以跳过逐帧人脸检测、明显提速还能保护隐私——你无需把驱动者的真实视频交给别人。Q4能拿来商用或做内容创作吗项目开源并附带 LICENSE 文件。同时作者明确提醒肖像动画可能被滥用制作 deepfake请遵守道德规范、负责任使用生成结果本身也带有可识别的视觉伪影。Q5输出视频有黑框是怎么回事大概率是半精度推理与显卡不兼容把flag_use_half_precision设为False即可解决。现在动手让下一张照片替你说话LivePortrait 把专业级人像动画的门槛压到了一条命令 一个网页从环境搭建到出片新手也能在十几分钟内跑通全流程。去 readme_zh_cn.md 看官方文档到 src/live_portrait_pipeline.py 读核心推理逻辑再打开 inference.py 或 app.py 亲身体验一次——下一张会动的照片就是你的那张。【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