人像动画工具LivePortrait跨平台部署指南：从环境配置到模型加速

人像动画工具LivePortrait跨平台部署指南：从环境配置到模型加速

【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait

AI驱动的人像动画技术正深刻改变内容创作方式，LivePortrait作为开源解决方案，支持本地部署的高效人像动画生成。本指南采用"准备-执行-进阶"三段式框架，帮助技术新手在Windows、macOS和Linux系统中完成从环境搭建到高级功能使用的全流程部署。

准备阶段：兼容性检测与环境准备

兼容性检测清单

⚠️ 注意事项：Linux用户需确保系统已安装CUDA Toolkit 11.8+，macOS用户必须使用Apple Silicon芯片才能获得最佳性能。

必备软件安装

Git安装

• Windows：从Git官网下载安装程序，勾选"Add Git to PATH"选项
• macOS：brew install git
• Linux：sudo apt install git

验证命令：git --version（应显示2.30.0以上版本）

Conda安装

• 推荐使用Miniconda：

  # Windows用户下载安装程序后运行 # macOS/Linux用户 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

验证命令：conda --version（应显示4.10.0以上版本）

FFmpeg安装

• Windows：下载ffmpeg.exe和ffprobe.exe并放置到项目根目录
• macOS：brew install ffmpeg
• Linux：sudo apt install ffmpeg libsox-dev

验证命令：ffmpeg -version（应显示4.0以上版本）

执行阶段：分步部署与验证

1. 获取项目代码

目标：将LivePortrait代码库克隆到本地

操作：

git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait

验证：ls命令应显示项目文件列表，包括app.py、requirements.txt等

2. 创建虚拟环境

目标：建立独立的Python运行环境

操作：

conda create -n LivePortrait python=3.10 -y conda activate LivePortrait

验证：终端提示符应显示"(LivePortrait)"前缀

3. 安装依赖包

目标：根据操作系统安装对应依赖

Windows/Linux用户

# 检查CUDA版本 nvcc -V # 根据CUDA版本安装PyTorch (以CUDA 11.8为例) pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu118 # 安装其余依赖 pip install -r requirements.txt

macOS用户

pip install -r requirements_macOS.txt

验证：pip list | grep torch（应显示已安装的PyTorch版本）

4. 下载预训练模型

目标：获取模型权重文件

操作：

# 安装huggingface_hub pip install -U "huggingface_hub[cli]" # 设置镜像（国内用户） export HF_ENDPOINT=https://hf-mirror.com # 下载模型 huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs"

验证：ls pretrained_weights（应显示多个模型文件和文件夹）

5. 基础功能验证

目标：测试基本人像动画生成功能

操作：

# Windows/Linux python inference.py # macOS PYTORCH_ENABLE_MPS_FALLBACK=1 python inference.py

验证：程序执行完成后，animations目录应生成动画文件

进阶阶段：高级功能与性能优化

图形界面启动

目标：使用Gradio界面进行可视化操作

操作：

# 人类模式 python app.py # 动物模式 python app_animals.py

程序启动后，会自动在浏览器打开界面，可通过上传图片和视频生成动画。

动物模型支持

目标：启用动物肖像动画功能

操作：

# 构建MultiScaleDeformableAttention组件 cd src/utils/dependencies/XPose/models/UniPose/ops python setup.py build install cd - # 运行动物模型推理 python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching

模型加速技巧

💡 优化建议：根据硬件配置调整推理参数

姿态编辑功能

目标：手动调整肖像姿态和表情

操作：在Gradio界面的"Retargeting"选项卡中，拖动滑块调整参数，点击"Retargeting"按钮应用更改。

故障诊断与解决方案

常见问题处理流程

1. 模型下载失败

   • 检查网络连接
   • 尝试设置镜像：export HF_ENDPOINT=https://hf-mirror.com
   • 手动下载模型并解压到pretrained_weights目录

2. CUDA相关错误

   • 验证CUDA版本：nvcc -V
   • 确保PyTorch版本与CUDA匹配
   • 尝试降级CUDA至11.8版本

3. 性能问题

   • 对于macOS：添加环境变量PYTORCH_ENABLE_MPS_FALLBACK=1
   • 减少输入视频分辨率
   • 关闭其他占用GPU的应用程序

附录：自动化部署脚本

Windows批处理脚本（deploy_windows.bat）

@echo off git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait call conda create -n LivePortrait python=3.10 -y call conda activate LivePortrait pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt pip install -U "huggingface_hub[cli]" set HF_ENDPOINT=https://hf-mirror.com huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs" echo 安装完成，可运行 python app.py 启动界面

Shell脚本（deploy_linux_macos.sh）

#!/bin/bash git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait conda create -n LivePortrait python=3.10 -y conda activate LivePortrait if [[ "$OSTYPE" == "darwin"* ]]; then pip install -r requirements_macOS.txt else pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt fi pip install -U "huggingface_hub[cli]" export HF_ENDPOINT=https://hf-mirror.com huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs" echo "安装完成，可运行 python app.py 启动界面"

通过以上步骤，你已完成LivePortrait的全平台部署。如需获取最新功能，可定期执行git pull更新代码库。如有其他问题，可查阅项目中的官方文档或提交issue获取支持。

【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait