三步搞定AI动画工具LivePortrait跨平台部署：静态图像驱动全指南

三步搞定AI动画工具LivePortrait跨平台部署：静态图像驱动全指南

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

想让静态肖像照片动起来吗？本文将带你通过三个核心步骤完成AI人像动画工具LivePortrait的跨平台部署，实现静态图像驱动的生动动画效果。无论你使用Windows、macOS还是Linux系统，都能按照本指南快速搭建环境，开启创意动画制作之旅。

环境准备→系统兼容性检测→硬件加速配置

在开始安装AI人像动画工具LivePortrait前，我们需要确保系统环境满足基本要求并正确配置硬件加速。

系统配置要求对比

必备软件安装

Git安装

[Windows]

# 从Git官网下载安装程序并运行 # 验证安装 git --version # 显示Git版本号

[macOS]

brew install git # 使用Homebrew安装Git git --version # 验证安装

[Linux]

sudo apt update && sudo apt install git # Ubuntu/Debian系统安装Git git --version # 验证安装

✅ 成功标志：终端显示Git版本号，如git version 2.34.1

Conda安装

下载并安装Miniconda：

• Windows: 从Miniconda官网下载.exe安装文件
• macOS/Linux:

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

✅ 成功标志：重启终端后输入conda --version显示版本信息

FFmpeg安装

[Windows]

# 下载ffmpeg.exe和ffprobe.exe到项目根目录 # 验证安装 ffmpeg -version # 显示FFmpeg版本信息

[macOS]

brew install ffmpeg # 使用Homebrew安装 ffmpeg -version # 验证安装

[Linux]

sudo apt install ffmpeg libsox-dev # 安装FFmpeg及依赖 conda install -c conda-forge 'ffmpeg<7' # 确保版本兼容性

✅ 成功标志：终端显示FFmpeg版本信息，无错误提示

💡 技巧：对于conda用户，可直接使用conda install ffmpeg命令跨平台安装

代码获取→依赖配置→模型部署

完成环境准备后，我们开始获取AI人像动画工具代码、配置依赖并部署预训练模型。

获取项目代码

git clone https://gitcode.com/GitHub_Trending/li/LivePortrait # 克隆代码仓库 cd LivePortrait # 进入项目目录

✅ 成功标志：项目目录下出现src、assets等文件夹

创建并激活虚拟环境

conda create -n LivePortrait python=3.10 -y # 创建虚拟环境 conda activate LivePortrait # 激活环境

✅ 成功标志：终端提示符前显示(LivePortrait)

安装项目依赖

[Windows/Linux]

# 检查CUDA版本 nvcc -V # 显示CUDA版本信息 # 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]

pip install -r requirements_macOS.txt # Apple Silicon专用依赖

✅ 成功标志：所有包安装完成，无错误提示

⚠️ 警告：Windows用户若CUDA版本高于12.0，建议降级至11.8以避免兼容性问题

下载预训练模型

# 安装huggingface_hub pip install -U "huggingface_hub[cli]" # 国内用户建议设置镜像 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"

✅ 成功标志：pretrained_weights目录下出现模型文件

💡 技巧：若HuggingFace下载速度慢，可手动从备用链接下载并解压到pretrained_weights目录

功能验证→界面操作→效果优化

完成安装后，让我们验证AI人像动画工具功能并学习基本操作和效果优化方法。

命令行推理测试

[Windows/Linux]

python inference.py # 运行人类模型推理

[macOS]

PYTORCH_ENABLE_MPS_FALLBACK=1 python inference.py # 启用MPS加速

✅ 成功标志：animations目录下生成动画结果文件

图形界面启动

python app.py # 启动人类模式Gradio界面

启动后，浏览器会自动打开AI人像动画工具的图形界面，你可以通过直观的界面进行操作：

界面主要分为三个区域：

1. 源图像/视频上传区 - 上传需要动画化的肖像
2. 驱动视频上传区 - 上传用于驱动动画的视频
3. 参数调整区 - 调整动画效果的各种参数

基本操作流程

1. 上传源图像：点击"Source Image"区域上传静态肖像
2. 上传驱动视频：点击"Driving Video"区域上传驱动视频
3. 调整参数：根据需要调整裁剪比例和动画选项
4. 生成动画：点击"Animate"按钮开始生成
5. 查看结果：在结果区域查看生成的动画

高级功能体验

通过调整面部表情参数可以实现更精细的AI人像动画控制：

主要可调节参数包括：

• 眼睛开合比例
• 嘴唇开合比例
• 面部朝向（偏航、翻滚）
• 表情控制（微笑、皱眉、眨眼等）
• 眼球运动

💡 技巧：将眼睛和嘴唇开合比例都设为0.8可以获得更自然的表情效果

图像驱动功能

AI人像动画工具还支持使用图像作为驱动源，实现单张图像到动态表情的转换：

使用方法：

1. 在"Source Image"区域上传静态肖像
2. 在"Driving Video"区域切换到"Image"选项
3. 上传作为表情参考的驱动图像
4. 调整区域动画选项，选择需要动画化的面部特征
5. 点击"Animate"生成动画

性能对比：不同硬件配置效果实测

为帮助你了解AI人像动画工具在不同硬件上的表现，我们进行了以下性能测试：

测试结果表明，AI人像动画工具在NVIDIA显卡上表现最佳，推荐使用RTX系列显卡以获得流畅体验。

常见误区与解决方案

⚠️ 误区1：模型下载失败 解决方案：检查网络连接，设置HF_ENDPOINT镜像，或手动下载模型文件

⚠️ 误区2：CUDA版本不兼容 解决方案：安装CUDA 11.8版本，或使用CPU模式（性能会降低）

⚠️ 误区3：生成动画质量低 解决方案：调整裁剪比例（推荐2.2-2.5），增加驱动视频长度，优化光照条件

相关工具推荐

• 深度学习框架：PyTorch提供了强大的张量计算和自动微分功能，是AI人像动画工具的核心依赖
• 视频处理工具：FFmpeg用于视频编解码和格式转换，是处理动画输出的必备工具
• 界面开发：Gradio提供了快速构建机器学习演示界面的能力，简化了AI人像动画工具的使用流程

附录

• 官方API文档：src/live_portrait_wrapper.py
• 高级参数配置：src/config/inference_config.py
• 动物模型支持：app_animals.py
• 性能测试工具：speed.py

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