PersonaLive 上手指南5 分钟装好实时人像动画系统1 张肖像图生成无限直播流【免费下载链接】PersonaLive[CVPR 2026] PersonaLive! : Expressive Portrait Image Animation for Live Streaming项目地址: https://gitcode.com/GitHub_Trending/pe/PersonaLivePersonaLive 是 CVPR 2026 的实时、可流式人像动画框架把一张静态肖像图变成由摄像头或驱动视频带动的无限长度动态人像视频。做直播、虚拟主播或图生视频的开发者照着这篇就能从零跑起来。 装完你能得到什么跑通之后你手里会有两样东西一个命令行批处理工具肖像图 驱动视频 → 一段动画视频一个浏览器直播界面摄像头实时驱动肖像做表情、转头、说话。整个流程的框架和项目自带的示例效果如下✅ 先检查你的机器开始装之前对照下面的表确认硬件和软件到位省得装到一半卡住项目最低档推荐档操作系统Ubuntu 20.04Ubuntu 22.04显卡任意 CUDA 版 NVIDIA 卡RTX 30/40 系可开 TensorRT显存12GB需开启流式生成--stream_gen16GB 或 TRT 引擎加速Python3.10建议 conda 建环境3.10 condaNode.js无纯命令行模式18Web 直播模式必需磁盘预留约 5GB 给pretrained_weights/10GB含 TRT 引擎产物 跑通第一条命令下面这一整块就是最小可行路径拉仓库、建环境、装依赖、下权重最后直接出片。中间不需要改任何配置默认就用仓库里的demo/ref_image.png和demo/driving_video.mp4演示。git clone https://gitcode.com/GitHub_Trending/pe/PersonaLive cd PersonaLive conda create -n personalive python3.10 conda activate personalive pip install -r requirements_base.txt python tools/download_weights.py python inference_offline.py几点说明download_weights.py自动拉约 5GB 权重到pretrained_weights/目录结构必须完整可对照pretrained_weights/personalive/readme.txt检查。最后一条命令跑完结果视频在results/目录下每段输出 4 行拼接参考图、驱动人脸、原始驱动帧、生成结果。换成自己的素材只需两个参数python inference_offline.py --reference_image 你的图.png --driving_video 你的视频.mp4帧数上限用-L控制默认 100。 两种运行模式怎么选离线 CLI 和在线 Web 是同一套模型的两个入口按使用场景挑模式适用场景启动方式关键参数 / 备注离线 CLI一次性批量出片、测试效果python inference_offline.py--stream_gen流式生成12GB 显存可用--use_xformers注意力加速在线 Web直播、摄像头实时驱动首次bash web_start.sh构建前端然后python inference_online.py --acceleration xformers浏览器访问http://0.0.0.0:7860打不开就换http://localhost:7860TensorRT 加速追求帧率的直播部署pip install -r requirements_trt.txt后python torch2trt.py再用--acceleration tensorrt启动约 2x 提速本地构建引擎约 20 分钟可能有轻微画质差异️ 网页界面速览在线模式打开浏览器后界面布局如下四个区域从上到下操作即可出流肖像选择区顶部一排是预设肖像也可以点 Select 上传本地 JPG/PNG。摄像头区连接摄像头作为实时驱动源。动画预览区右侧大窗播放生成流右上角按钮可重置参考图。Driving FPS 滑杆控制传输速度卡顿时往低调15–24 比较稳。按钮区Fuse 融合参考图 → Start 开始动画 → Reset 换肖像。 踩坑速查现象原因一行解决CUDA out of memory一次性把整段视频放显存离线加--stream_gen流式生成12GB 可跑长视频RTX 50 系Blackwell启动即崩溃xformers 尚未适配新架构python inference_offline.py --use_xformers False在线模式用--acceleration none网页打不开7860 端口被占用或代理拦截netstat -tuln \| grep 7860查端口或改访问http://localhost:7860装 TRT 依赖时Failed to build wheel for pycudapycuda 源码编译失败conda install -c conda-forge pycuda numpy2.0再注释requirements_trt.txt里的 pycuda 行重装动画卡顿、延迟高推理速度跟不上驱动帧率把 WebUI 的 Driving FPS 降到 15–24或换 TensorRT 引擎 想深入改代码src/pipelines/pipeline_pose2vid.py推理主流程普通与流式两个 Pipeline 都在这。src/models/全部模型定义UNet3D、motion encoder、pose guider、时空模块。configs/prompts/personalive_offline.yaml离线模式的输入配对test_cases与权重路径。webcam/frontend/src/Web 界面前端源码Svelte改交互和参数滑杆在这里。跑通离线那条命令后下一步就把--reference_image和--driving_video换成你自己的素材体验一次完全属于你的实时人像动画。【免费下载链接】PersonaLive[CVPR 2026] PersonaLive! : Expressive Portrait Image Animation for Live Streaming项目地址: https://gitcode.com/GitHub_Trending/pe/PersonaLive创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
PersonaLive 上手指南5 分钟装好实时人像动画系统1 张肖像图生成无限直播流【免费下载链接】PersonaLive[CVPR 2026] PersonaLive! : Expressive Portrait Image Animation for Live Streaming项目地址: https://gitcode.com/GitHub_Trending/pe/PersonaLivePersonaLive 是 CVPR 2026 的实时、可流式人像动画框架把一张静态肖像图变成由摄像头或驱动视频带动的无限长度动态人像视频。做直播、虚拟主播或图生视频的开发者照着这篇就能从零跑起来。 装完你能得到什么跑通之后你手里会有两样东西一个命令行批处理工具肖像图 驱动视频 → 一段动画视频一个浏览器直播界面摄像头实时驱动肖像做表情、转头、说话。整个流程的框架和项目自带的示例效果如下✅ 先检查你的机器开始装之前对照下面的表确认硬件和软件到位省得装到一半卡住项目最低档推荐档操作系统Ubuntu 20.04Ubuntu 22.04显卡任意 CUDA 版 NVIDIA 卡RTX 30/40 系可开 TensorRT显存12GB需开启流式生成--stream_gen16GB 或 TRT 引擎加速Python3.10建议 conda 建环境3.10 condaNode.js无纯命令行模式18Web 直播模式必需磁盘预留约 5GB 给pretrained_weights/10GB含 TRT 引擎产物 跑通第一条命令下面这一整块就是最小可行路径拉仓库、建环境、装依赖、下权重最后直接出片。中间不需要改任何配置默认就用仓库里的demo/ref_image.png和demo/driving_video.mp4演示。git clone https://gitcode.com/GitHub_Trending/pe/PersonaLive cd PersonaLive conda create -n personalive python3.10 conda activate personalive pip install -r requirements_base.txt python tools/download_weights.py python inference_offline.py几点说明download_weights.py自动拉约 5GB 权重到pretrained_weights/目录结构必须完整可对照pretrained_weights/personalive/readme.txt检查。最后一条命令跑完结果视频在results/目录下每段输出 4 行拼接参考图、驱动人脸、原始驱动帧、生成结果。换成自己的素材只需两个参数python inference_offline.py --reference_image 你的图.png --driving_video 你的视频.mp4帧数上限用-L控制默认 100。 两种运行模式怎么选离线 CLI 和在线 Web 是同一套模型的两个入口按使用场景挑模式适用场景启动方式关键参数 / 备注离线 CLI一次性批量出片、测试效果python inference_offline.py--stream_gen流式生成12GB 显存可用--use_xformers注意力加速在线 Web直播、摄像头实时驱动首次bash web_start.sh构建前端然后python inference_online.py --acceleration xformers浏览器访问http://0.0.0.0:7860打不开就换http://localhost:7860TensorRT 加速追求帧率的直播部署pip install -r requirements_trt.txt后python torch2trt.py再用--acceleration tensorrt启动约 2x 提速本地构建引擎约 20 分钟可能有轻微画质差异️ 网页界面速览在线模式打开浏览器后界面布局如下四个区域从上到下操作即可出流肖像选择区顶部一排是预设肖像也可以点 Select 上传本地 JPG/PNG。摄像头区连接摄像头作为实时驱动源。动画预览区右侧大窗播放生成流右上角按钮可重置参考图。Driving FPS 滑杆控制传输速度卡顿时往低调15–24 比较稳。按钮区Fuse 融合参考图 → Start 开始动画 → Reset 换肖像。 踩坑速查现象原因一行解决CUDA out of memory一次性把整段视频放显存离线加--stream_gen流式生成12GB 可跑长视频RTX 50 系Blackwell启动即崩溃xformers 尚未适配新架构python inference_offline.py --use_xformers False在线模式用--acceleration none网页打不开7860 端口被占用或代理拦截netstat -tuln \| grep 7860查端口或改访问http://localhost:7860装 TRT 依赖时Failed to build wheel for pycudapycuda 源码编译失败conda install -c conda-forge pycuda numpy2.0再注释requirements_trt.txt里的 pycuda 行重装动画卡顿、延迟高推理速度跟不上驱动帧率把 WebUI 的 Driving FPS 降到 15–24或换 TensorRT 引擎 想深入改代码src/pipelines/pipeline_pose2vid.py推理主流程普通与流式两个 Pipeline 都在这。src/models/全部模型定义UNet3D、motion encoder、pose guider、时空模块。configs/prompts/personalive_offline.yaml离线模式的输入配对test_cases与权重路径。webcam/frontend/src/Web 界面前端源码Svelte改交互和参数滑杆在这里。跑通离线那条命令后下一步就把--reference_image和--driving_video换成你自己的素材体验一次完全属于你的实时人像动画。【免费下载链接】PersonaLive[CVPR 2026] PersonaLive! : Expressive Portrait Image Animation for Live Streaming项目地址: https://gitcode.com/GitHub_Trending/pe/PersonaLive创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
示例详解)
