如何 10 分钟跑通音频驱动说话人生成SadTalker 完整安装教程【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/SadTalkerSadTalkerCVPR 2023只需要一张静态图片和一段音频就能生成嘴型、表情与音频同步的说话视频。这篇 SadTalker 安装教程按最快跑通的顺序带你走完环境搭建、模型下载、首次运行与参数调优并附一份常见报错的避坑清单照着操作即可让任意一张人物照片开口说话。3 条命令准备好代码与模型先克隆仓库并创建独立 Python 环境。Python 3.8 是官方充分测试的版本换成 3.9 容易撞依赖冲突git clone https://gitcode.com/GitHub_Trending/sa/SadTalker cd SadTalker conda create -n sadtalker python3.8 conda activate sadtalker pip install -r requirements.txt conda install ffmpegffmpeg 是命令行音视频处理工具最终 mp4 视频由它编码输出必须装好并在系统 PATH 中。接着运行仓库自带的下载脚本它会自动建好 checkpoints/ 与 gfpgan/weights/ 目录拉取 256/512 两档面部模型和修复模型已存在的文件会自动跳过bash scripts/download_models.shWindows 用户若没有 bash可直接双击webui.bat首次运行会自动完成环境安装。一张照片加一段音频就能做说话人视频核心用法就一句话一张人物照片 一段音频 一段说话视频。照片无需任何预处理正面、光线正常的真人照片效果最好。图适合作为 SadTalker 说话人动画输入的静态肖像面部清晰、正面朝向仓库自带 16 个示例音频examples/driven_audio/ 目录和 30 多张示例图片够你反复验证效果。它不只支持头像特写也支持全身照面部区域生成动画后贴回原图人物姿态保持自然。 选对 PyTorch 版本环境就成功了一半SadTalker 对 PyTorch 版本比较敏感Linux CUDA 用户建议直接装 README 对应的 cu113 版本pip install torch1.12.1cu113 torchvision0.13.1cu113 torchaudio0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113macOS / Apple Silicon 用户装最新版 torch 即可但必须单独补装 dlib人脸关键点定位库否则报 Illegal Hardware Errorpip install dlib各平台Windows 原生、WSL、Docker的完整安装说明见 docs/install.md。运行第一条生成命令验证环境命令行入口是 inference.py用仓库自带的示例音频和图片跑一遍是最直接的环境验证python inference.py --driven_audio examples/driven_audio/chinese_news.wav \ --source_image examples/source_image/art_2.png成功后视频会存在 results/时间戳/ 目录下的 .mp4 文件里看到视频出现就说明 SadTalker 安装完成。更习惯图形界面可以执行bash webui.shWindows 双击 webui.bat启动 Gradio 网页版在浏览器里上传图片音频点按钮生成。纯 CPU 机器加--cpu参数可运行但 10 秒音频要渲染几分钟只建议用来验证环境。⚡ 进阶调优3 个参数让效果更自然全身照生成建议加--still --preprocess fullstill 模式让头部姿态与图片保持一致、减少摇头晃脑full 模式只动画面部再贴回原图python inference.py --driven_audio examples/driven_audio/imagine.wav \ --source_image examples/source_image/full_body_1.png \ --still --preprocess full --enhancer gfpgan--enhancer gfpgan会在生成后用 GFPGAN人脸修复网络回补面部细节--size 512画质比 256 更细但显存占用明显上升6GB 显存建议先跑 256。--expression_scale控制表情幅度默认 1.0调到 2.0 表情更生动完整参数表在 docs/best_practice.md。音频只支持 wav 或 mp3 两种格式其他格式会在解码时直接报错先用 ffmpeg 转一下即可。避坑清单4 个最高频的报错ffmpeg is not recognizedWindows 确认 ffmpeg 已加入 PATHLinux 执行conda install ffmpeg。CUDA out of memory512 修复模型大约需要 6GB 显存先降到--size 256再设置环境变量缓解碎片化export PYTORCH_CUDA_ALLOC_CONFmax_split_size_mb:128提示 model file might be corrupted属于下载中断重跑一遍bash scripts/download_models.sh即可断点补齐。FileNotFoundError: similarity_Lm3D_all.matcheckpoints 目录没放到仓库根目录下对照 README 的目录结构检查一遍。仍遇到其他报错先翻官方 FAQ绝大多数问题里面都有对应条目。【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