免费本地运行的 LivePortrait 人像动画完整指南3 条命令让静态照片眨起眼来【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait手机相册里躺着一千张静态照片——毕业 selfie、和朋友的合影、自家猫的大头照——你早就想让它动一下可在线工具要么收费、要么带水印、要么逼你把照片上传到别人的服务器。LivePortrait 做的核心一件事就是给一张照片加一段驱动视频输出一段这个人会眨眼、会说话、会转头的人像动画。它开源免费、全程本地运行一条命令就能出片只要你打得动python就能上手。30 秒快判LivePortrait 值不值得下载一句话结论这是目前上手门槛最低、效果最稳的开源人像动画方案之一一条命令进去一个 mp4 出来。卖点一句话说明本地运行、免费开源照片和驱动素材全程不出本机不注册、不带水印真人 动物双模式人像之外猫狗照片也能做成表情包三种驱动素材驱动视频、单张表情图片、.pkl动作模板都能当导演表情精细到眉毛Gradio 滑块直控眼睛、嘴唇、微笑、眼球方向一张显卡就能跑RTX 4090 接近实时普通游戏本显卡也能慢慢出片四条命令跑通第一条人像动画第一步装好依赖环境就绪前提机器上已有git、conda和FFmpeg拼接视频必需缺了先补上。# 克隆仓库并进入目录 git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait # 创建并激活 Python 3.10 环境 conda create -n LivePortrait python3.10 conda activate LivePortrait # 安装依赖NVIDIA 显卡用户请先按 CUDA 版本装好 torch pip install -r requirements.txtApple Silicon 的 Mac 请把最后一行换成pip install -r requirements_macOS.txt人类模式照常可用但不支持动物模式。做到这里你应该看到安装结束没有红色报错python -c import torch有版本号输出。第二步把预训练权重拉进项目# 安装下载工具的命令行装过可跳过 pip install -U huggingface_hub[cli] # 权重下载到项目内的 pretrained_weights/ 目录约几 GB耐心等 huggingface-cli download KlingTeam/LivePortrait --local-dir pretrained_weights --exclude *.git* README.md docs下载慢的话在命令前加一行export HF_ENDPOINThttps://hf-mirror.com走国内镜像。做到这里你应该看到项目根目录下pretrained_weights/里多了几个子目录、几个 GB 的文件。第三步跑通第一条推理拿到第一个对比视频# 默认使用仓库自带示例素材 s6.jpg d0.mp4 python inference.py # 换成自己的素材-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几十秒后animations/目录里会出现s6--d0_concat.mp4——驱动视频、源图像、生成结果三段拼在一个文件里效果好坏一眼对比。源素材给视频而不是图片时输出就是对这段视频的换脸重演做到这里你应该看到animations/下多了 mp4里面的人在眨眼、动嘴头部姿态自然不飘。第四步打开 Gradio 网页界面零代码出片# 启动后浏览器访问 http://127.0.0.1:8890 python app.py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点一下就能试跑。端口被占用就加-p 8899换个端口。上手后的四个进阶玩法用一张照片驱动不用视频素材。目的手里只有一张带表情的照片。操作Gradio 里把右侧 Driving Video 切换成Driving Image再拧driving multiplier滑块。效果值越大表情变化越明显连视频素材都不用备。滑块精调表情精细到眉毛和眼球。目的不想靠驱动视频碰运气要嘴张多大、眼闭多深自己说了算。操作Gradio 的 retargeting 区有眼睛开合、嘴唇、微笑、眉毛、眼球方向等十几个滑块拖动即实时预览头部姿态还能单独调 pitch / yaw / roll。效果点头、摇头、歪头这类动作随调随看。推理提速 20%30%。目的出片等得着急。操作启动时加--flag_do_torch_compile如python app.py --flag_do_torch_compile。效果第一次推理花约一分钟预热之后明显变快Windows 和 macOS 不支持此选项。动物模式让猫狗也活过来。目的宠物照片动起来。前置NVIDIA GPULinux/Windows且要先编译 X-Pose 的自定义算子再跑专用脚本# 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效果animations/里得到s39--wink_concat.mp4猫眨了个眼。排坑清单从症状到解法自己拍的视频驱动人脸发虚、裁切跑偏→ 原因驱动视频不符合1:1 裁剪、头部居中、肩部少动、首帧中性表情四条标准 → 解法命令加--flag_crop_driving_video自动裁剪仍不理想就调--scale_crop_driving_video缩放和--vy_ratio_crop_driving_video上下偏移。生成的视频带黑框→ 原因半精度推理与你的显卡不兼容 → 解法加--no_flag_use_half_precision关闭半精度。没有 NVIDIA 显卡想用 CPU 试试→ 原因flag_force_cpu是实验性选项 → 解法命令加--flag_force_cpuApple Silicon Mac 用PYTORCH_ENABLE_MPS_FALLBACK1 python app.py速度约为 RTX 4090 的 1/20且不支持动物模式。动物模式报错、缺算子→ 原因MultiScaleDeformableAttention算子没编译 → 解法cd src/utils/dependencies/XPose/models/UniPose/ops后执行python setup.py build install回到根目录再跑。Gradio 起不来、提示端口被占→ 原因8890 已有服务 → 解法python app.py -p 8899换个端口。现在轮到你动手仓库里几个值得先看的文件官方中文文档 有完整参数说明核心推理逻辑 想看动画是怎么算出来的就读它命令行入口在 inference.py界面入口在 app.py授权范围看 LICENSE。跑通第一条命令大概只需要十几分钟至于相册里那上千张吃灰的照片——它们开口说话的机会从今晚开始。【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 免费本地运行的 LivePortrait 人像动画完整指南：3 条命令让静态照片眨起眼来
免费本地运行的 LivePortrait 人像动画完整指南3 条命令让静态照片眨起眼来【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait手机相册里躺着一千张静态照片——毕业 selfie、和朋友的合影、自家猫的大头照——你早就想让它动一下可在线工具要么收费、要么带水印、要么逼你把照片上传到别人的服务器。LivePortrait 做的核心一件事就是给一张照片加一段驱动视频输出一段这个人会眨眼、会说话、会转头的人像动画。它开源免费、全程本地运行一条命令就能出片只要你打得动python就能上手。30 秒快判LivePortrait 值不值得下载一句话结论这是目前上手门槛最低、效果最稳的开源人像动画方案之一一条命令进去一个 mp4 出来。卖点一句话说明本地运行、免费开源照片和驱动素材全程不出本机不注册、不带水印真人 动物双模式人像之外猫狗照片也能做成表情包三种驱动素材驱动视频、单张表情图片、.pkl动作模板都能当导演表情精细到眉毛Gradio 滑块直控眼睛、嘴唇、微笑、眼球方向一张显卡就能跑RTX 4090 接近实时普通游戏本显卡也能慢慢出片四条命令跑通第一条人像动画第一步装好依赖环境就绪前提机器上已有git、conda和FFmpeg拼接视频必需缺了先补上。# 克隆仓库并进入目录 git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait # 创建并激活 Python 3.10 环境 conda create -n LivePortrait python3.10 conda activate LivePortrait # 安装依赖NVIDIA 显卡用户请先按 CUDA 版本装好 torch pip install -r requirements.txtApple Silicon 的 Mac 请把最后一行换成pip install -r requirements_macOS.txt人类模式照常可用但不支持动物模式。做到这里你应该看到安装结束没有红色报错python -c import torch有版本号输出。第二步把预训练权重拉进项目# 安装下载工具的命令行装过可跳过 pip install -U huggingface_hub[cli] # 权重下载到项目内的 pretrained_weights/ 目录约几 GB耐心等 huggingface-cli download KlingTeam/LivePortrait --local-dir pretrained_weights --exclude *.git* README.md docs下载慢的话在命令前加一行export HF_ENDPOINThttps://hf-mirror.com走国内镜像。做到这里你应该看到项目根目录下pretrained_weights/里多了几个子目录、几个 GB 的文件。第三步跑通第一条推理拿到第一个对比视频# 默认使用仓库自带示例素材 s6.jpg d0.mp4 python inference.py # 换成自己的素材-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几十秒后animations/目录里会出现s6--d0_concat.mp4——驱动视频、源图像、生成结果三段拼在一个文件里效果好坏一眼对比。源素材给视频而不是图片时输出就是对这段视频的换脸重演做到这里你应该看到animations/下多了 mp4里面的人在眨眼、动嘴头部姿态自然不飘。第四步打开 Gradio 网页界面零代码出片# 启动后浏览器访问 http://127.0.0.1:8890 python app.py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点一下就能试跑。端口被占用就加-p 8899换个端口。上手后的四个进阶玩法用一张照片驱动不用视频素材。目的手里只有一张带表情的照片。操作Gradio 里把右侧 Driving Video 切换成Driving Image再拧driving multiplier滑块。效果值越大表情变化越明显连视频素材都不用备。滑块精调表情精细到眉毛和眼球。目的不想靠驱动视频碰运气要嘴张多大、眼闭多深自己说了算。操作Gradio 的 retargeting 区有眼睛开合、嘴唇、微笑、眉毛、眼球方向等十几个滑块拖动即实时预览头部姿态还能单独调 pitch / yaw / roll。效果点头、摇头、歪头这类动作随调随看。推理提速 20%30%。目的出片等得着急。操作启动时加--flag_do_torch_compile如python app.py --flag_do_torch_compile。效果第一次推理花约一分钟预热之后明显变快Windows 和 macOS 不支持此选项。动物模式让猫狗也活过来。目的宠物照片动起来。前置NVIDIA GPULinux/Windows且要先编译 X-Pose 的自定义算子再跑专用脚本# 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效果animations/里得到s39--wink_concat.mp4猫眨了个眼。排坑清单从症状到解法自己拍的视频驱动人脸发虚、裁切跑偏→ 原因驱动视频不符合1:1 裁剪、头部居中、肩部少动、首帧中性表情四条标准 → 解法命令加--flag_crop_driving_video自动裁剪仍不理想就调--scale_crop_driving_video缩放和--vy_ratio_crop_driving_video上下偏移。生成的视频带黑框→ 原因半精度推理与你的显卡不兼容 → 解法加--no_flag_use_half_precision关闭半精度。没有 NVIDIA 显卡想用 CPU 试试→ 原因flag_force_cpu是实验性选项 → 解法命令加--flag_force_cpuApple Silicon Mac 用PYTORCH_ENABLE_MPS_FALLBACK1 python app.py速度约为 RTX 4090 的 1/20且不支持动物模式。动物模式报错、缺算子→ 原因MultiScaleDeformableAttention算子没编译 → 解法cd src/utils/dependencies/XPose/models/UniPose/ops后执行python setup.py build install回到根目录再跑。Gradio 起不来、提示端口被占→ 原因8890 已有服务 → 解法python app.py -p 8899换个端口。现在轮到你动手仓库里几个值得先看的文件官方中文文档 有完整参数说明核心推理逻辑 想看动画是怎么算出来的就读它命令行入口在 inference.py界面入口在 app.py授权范围看 LICENSE。跑通第一条命令大概只需要十几分钟至于相册里那上千张吃灰的照片——它们开口说话的机会从今晚开始。【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