LivePortrait 肖像动画教程10 分钟让静态照片开口说话的完整指南【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait社交媒体头像只是一张躺平的照片LivePortrait 是一款肖像动画工具给一张人像或猫狗照片再给一段驱动视频或一张驱动图它就能让照片里的人眨眼、说话、转头直接产出可播放的动画 mp4。按本指南操作10 分钟内拿到第一个成果。从克隆到第一个动画只要 10 分钟整条链路是装环境 → 装依赖 → 下模型 → 跑推理。开始前确认系统已装好git、conda和FFmpeg输出视频靠它编码缺失会在启动时直接报错安装方法见 assets/docs/how-to-install-ffmpeg.md。克隆代码并创建 Python 3.10 环境git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait conda create -n LivePortrait python3.10 conda activate LivePortraitLinux 和 Windows 用户直接安装全部依赖pip install -r requirements.txtmacOSApple Silicon用户改用pip install -r requirements_macOS.txt运行时在前面加PYTORCH_ENABLE_MPS_FALLBACK1注意 macOS 只支持人类模式不支持动物模式且速度约为 RTX 4090 的 1/20。接着从 Hugging Face 下载预训练权重到pretrained_weights/目录排除无关文件以节省时间pip install -U huggingface_hub[cli] huggingface-cli download KlingTeam/LivePortrait --local-dir pretrained_weights --exclude *.git* README.md docs下载后对照 assets/docs/directory-structure.md 确认目录结构完整insightface/、liveportrait/、liveportrait_animals/三个子目录缺一不可。最后直接运行推理脚本它会使用内置示例s0.jpgd0.mp4完成第一次肖像动画生成python inference.py跑通后在animations/目录得到s0--d0_concat.mp4驱动帧、原图、生成结果左右拼接的对比视频同时会生成一个.pkl动作模板后面会用到。想用自己的素材把-s源图像/视频和-d驱动视频或模板换成自己的路径即可python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4如果习惯图形界面运行python app.py打开 Gradio 网页端默认端口 8890上传源图和驱动视频、点 Run 即可四种玩法从视频驱动到精细编辑用一张图驱动另一张图能得到什么不需要视频用一张驱动图的表情直接驱动源图输出还是一张图——适合做单帧表情包、表情迁移两个输入都是图时结果也是图。怎么操作把-d指向图片文件python inference.py -s assets/examples/source/s5.jpg -d assets/examples/driving/d30.jpg区域控制只动嘴、只动眼能得到什么默认情况下驱动信号会带动表情、姿态、嘴唇、眼睛全部区域区域控制让你只驱动其中一部分比如只让嘴动、头保持不动。怎么操作加--animation_region参数取值exp表情、pose头部姿态、lip嘴唇、eyes眼睛、all默认全部# 只驱动嘴唇区域 python inference.py -s assets/examples/source/s5.jpg -d assets/examples/driving/d0.mp4 --animation_region lip视频编辑让人物在原来的视频里换动作能得到什么源输入是一段人物视频时人物会按驱动视频的动作表演但身体、背景仍留在原始视频里相当于表演替换输出是完整的视频。怎么操作-s传视频即可其余参数不变python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d0.mp4动物模式让猫狗照片动起来 能得到什么专门为猫狗等宠物优化的关键点检测与动画一张宠物照片 眨眼、摇头等驱动模板就能得到宠物动画。仅支持 Linux / Windows NVIDIA GPUmacOS 不可用。怎么操作先编译 X-Pose 需要的MultiScaleDeformableAttention算子再运行动物版推理cd src/utils/dependencies/XPose/models/UniPose/ops python setup.py build install cd -python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching动物驱动系数建议 1.75且推荐关闭 stitching--no_flag_stitching。图形界面运行python app_animals.py。网页端精细编辑滑块调姿态能得到什么在 Gradio 界面里用滑块实时调整照片中人的头部姿态、眼神、表情每动一下滑块图就实时更新还能一键重置适合修一张完美角度的静态肖像。怎么操作运行python app.py打开界面切到 Edit 页签拖动滑块实时预览完成后点导出即可。参数调优与故障排查先给结论90% 的效果不好都是驱动素材的问题——源图像要正面、清晰、512×512 以上驱动视频裁成 1:1如 512×512、第一帧是正面中性表情、肩膀尽量别动。素材合格后再动参数。调优对照表使用场景参数 / 做法推荐取值驱动动作幅度偏小或偏大--driving_multiplier0.8~1.2动物模式 1.75源图头部运动大、或源图是动物--no_flag_stitching头部小幅运动时保持默认开启输出出现黑块、花屏--no_flag_use_half_precision关闭 FP16 半精度重试显存吃紧--source_max_dim从默认 1280 降到 720裁剪区域偏小 / 偏大--scale、--scale_crop_driving_video在默认 2.3 / 2.2 基础上按 ±0.2 微调只想驱动面部局部--animation_regionexp/pose/lip/eyes反复跑同一驱动视频想提速用自动生成的.pkl模板当-d免重复计算且不含你的视频画面高频使用同一环境仅 Linux--flag_do_torch_compile首次约 1 分钟优化后续推理快 20-30%故障排查现象常见原因处理办法启动即报 FFmpeg is not installed系统缺少 ffmpeg / ffprobe安装 FFmpeg参考 assets/docs/how-to-install-ffmpeg.md源图像检测不到人脸脸占比过小、模糊或非正面把--det_thresh从默认 0.15 降到 0.1或换更清晰的正面照结果画面抖动、人脸漂移关闭了相对运动绝对运动过大保持--flag_relative_motion默认开启同时调低--driving_multiplierCUDA 版本不匹配报错torch 与系统 CUDA 不一致先nvcc -V查版本按 readme.md 中对应分支安装匹配的 torch显存不足OOM默认已开 FP16但分辨率偏高降--source_max_dim关闭其他占用 GPU 的程序动物模式算子编译失败X-Pose 编译对 CUDA 版本敏感Windows 高版本 CUDA 尤其容易出问题将 CUDA 降到 11.8 后重试所有参数的完整定义和默认值见 src/config/argument_config.py命令行加-h可随时查看。落地场景与深挖路径能做出什么成果社交平台动态头像一张生活照 一段 10 秒说话视频生成头像动画输出直接是可用的 mp4。数字人口播源视频里的人物按驱动视频换动作表演背景不变适合二次剪辑。宠物纪念内容动物模式 wink.pkl、shy.pkl等模板让已故或远在他乡的宠物照片眨眼、害羞。单帧表情迁移图像驱动 --animation_region批量生产同表情系列图。关键路径索引人类模式推理主流程src/live_portrait_pipeline.py动物模式推理主流程src/live_portrait_pipeline_animal.py全部可调参数与默认值src/config/argument_config.py各功能更新说明assets/docs/changelog/驱动模板与示例素材assets/examples/driving/、assets/examples/source/LivePortrait 的效果上限取决于源素材质量参数只负责把上限打满。先用内置示例跑通再换成自己的素材逐个调参就能稳定产出可用的动画视频。【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
LivePortrait 肖像动画教程10 分钟让静态照片开口说话的完整指南【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait社交媒体头像只是一张躺平的照片LivePortrait 是一款肖像动画工具给一张人像或猫狗照片再给一段驱动视频或一张驱动图它就能让照片里的人眨眼、说话、转头直接产出可播放的动画 mp4。按本指南操作10 分钟内拿到第一个成果。从克隆到第一个动画只要 10 分钟整条链路是装环境 → 装依赖 → 下模型 → 跑推理。开始前确认系统已装好git、conda和FFmpeg输出视频靠它编码缺失会在启动时直接报错安装方法见 assets/docs/how-to-install-ffmpeg.md。克隆代码并创建 Python 3.10 环境git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait conda create -n LivePortrait python3.10 conda activate LivePortraitLinux 和 Windows 用户直接安装全部依赖pip install -r requirements.txtmacOSApple Silicon用户改用pip install -r requirements_macOS.txt运行时在前面加PYTORCH_ENABLE_MPS_FALLBACK1注意 macOS 只支持人类模式不支持动物模式且速度约为 RTX 4090 的 1/20。接着从 Hugging Face 下载预训练权重到pretrained_weights/目录排除无关文件以节省时间pip install -U huggingface_hub[cli] huggingface-cli download KlingTeam/LivePortrait --local-dir pretrained_weights --exclude *.git* README.md docs下载后对照 assets/docs/directory-structure.md 确认目录结构完整insightface/、liveportrait/、liveportrait_animals/三个子目录缺一不可。最后直接运行推理脚本它会使用内置示例s0.jpgd0.mp4完成第一次肖像动画生成python inference.py跑通后在animations/目录得到s0--d0_concat.mp4驱动帧、原图、生成结果左右拼接的对比视频同时会生成一个.pkl动作模板后面会用到。想用自己的素材把-s源图像/视频和-d驱动视频或模板换成自己的路径即可python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4如果习惯图形界面运行python app.py打开 Gradio 网页端默认端口 8890上传源图和驱动视频、点 Run 即可四种玩法从视频驱动到精细编辑用一张图驱动另一张图能得到什么不需要视频用一张驱动图的表情直接驱动源图输出还是一张图——适合做单帧表情包、表情迁移两个输入都是图时结果也是图。怎么操作把-d指向图片文件python inference.py -s assets/examples/source/s5.jpg -d assets/examples/driving/d30.jpg区域控制只动嘴、只动眼能得到什么默认情况下驱动信号会带动表情、姿态、嘴唇、眼睛全部区域区域控制让你只驱动其中一部分比如只让嘴动、头保持不动。怎么操作加--animation_region参数取值exp表情、pose头部姿态、lip嘴唇、eyes眼睛、all默认全部# 只驱动嘴唇区域 python inference.py -s assets/examples/source/s5.jpg -d assets/examples/driving/d0.mp4 --animation_region lip视频编辑让人物在原来的视频里换动作能得到什么源输入是一段人物视频时人物会按驱动视频的动作表演但身体、背景仍留在原始视频里相当于表演替换输出是完整的视频。怎么操作-s传视频即可其余参数不变python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d0.mp4动物模式让猫狗照片动起来 能得到什么专门为猫狗等宠物优化的关键点检测与动画一张宠物照片 眨眼、摇头等驱动模板就能得到宠物动画。仅支持 Linux / Windows NVIDIA GPUmacOS 不可用。怎么操作先编译 X-Pose 需要的MultiScaleDeformableAttention算子再运行动物版推理cd src/utils/dependencies/XPose/models/UniPose/ops python setup.py build install cd -python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching动物驱动系数建议 1.75且推荐关闭 stitching--no_flag_stitching。图形界面运行python app_animals.py。网页端精细编辑滑块调姿态能得到什么在 Gradio 界面里用滑块实时调整照片中人的头部姿态、眼神、表情每动一下滑块图就实时更新还能一键重置适合修一张完美角度的静态肖像。怎么操作运行python app.py打开界面切到 Edit 页签拖动滑块实时预览完成后点导出即可。参数调优与故障排查先给结论90% 的效果不好都是驱动素材的问题——源图像要正面、清晰、512×512 以上驱动视频裁成 1:1如 512×512、第一帧是正面中性表情、肩膀尽量别动。素材合格后再动参数。调优对照表使用场景参数 / 做法推荐取值驱动动作幅度偏小或偏大--driving_multiplier0.8~1.2动物模式 1.75源图头部运动大、或源图是动物--no_flag_stitching头部小幅运动时保持默认开启输出出现黑块、花屏--no_flag_use_half_precision关闭 FP16 半精度重试显存吃紧--source_max_dim从默认 1280 降到 720裁剪区域偏小 / 偏大--scale、--scale_crop_driving_video在默认 2.3 / 2.2 基础上按 ±0.2 微调只想驱动面部局部--animation_regionexp/pose/lip/eyes反复跑同一驱动视频想提速用自动生成的.pkl模板当-d免重复计算且不含你的视频画面高频使用同一环境仅 Linux--flag_do_torch_compile首次约 1 分钟优化后续推理快 20-30%故障排查现象常见原因处理办法启动即报 FFmpeg is not installed系统缺少 ffmpeg / ffprobe安装 FFmpeg参考 assets/docs/how-to-install-ffmpeg.md源图像检测不到人脸脸占比过小、模糊或非正面把--det_thresh从默认 0.15 降到 0.1或换更清晰的正面照结果画面抖动、人脸漂移关闭了相对运动绝对运动过大保持--flag_relative_motion默认开启同时调低--driving_multiplierCUDA 版本不匹配报错torch 与系统 CUDA 不一致先nvcc -V查版本按 readme.md 中对应分支安装匹配的 torch显存不足OOM默认已开 FP16但分辨率偏高降--source_max_dim关闭其他占用 GPU 的程序动物模式算子编译失败X-Pose 编译对 CUDA 版本敏感Windows 高版本 CUDA 尤其容易出问题将 CUDA 降到 11.8 后重试所有参数的完整定义和默认值见 src/config/argument_config.py命令行加-h可随时查看。落地场景与深挖路径能做出什么成果社交平台动态头像一张生活照 一段 10 秒说话视频生成头像动画输出直接是可用的 mp4。数字人口播源视频里的人物按驱动视频换动作表演背景不变适合二次剪辑。宠物纪念内容动物模式 wink.pkl、shy.pkl等模板让已故或远在他乡的宠物照片眨眼、害羞。单帧表情迁移图像驱动 --animation_region批量生产同表情系列图。关键路径索引人类模式推理主流程src/live_portrait_pipeline.py动物模式推理主流程src/live_portrait_pipeline_animal.py全部可调参数与默认值src/config/argument_config.py各功能更新说明assets/docs/changelog/驱动模板与示例素材assets/examples/driving/、assets/examples/source/LivePortrait 的效果上限取决于源素材质量参数只负责把上限打满。先用内置示例跑通再换成自己的素材逐个调参就能稳定产出可用的动画视频。【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
 深度解析：检测与切换页面 JavaScript 执行状态)
