零基础也能学会的AI人像动画跨平台部署指南

零基础也能学会的AI人像动画跨平台部署指南

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

LivePortrait作为一款高效的开源工具，让本地部署AI人像动画生成成为可能。本指南将带你从零开始，在Windows、macOS或Linux系统上搭建属于自己的动画生成平台，无需专业技术背景，只需跟随步骤操作，即可让静态肖像"活"起来。

🔧 需求分析：环境诊断与兼容性检测

在开始部署前，我们需要先了解你的系统是否具备运行LivePortrait的基本条件。以下提供一个简单的环境诊断脚本，帮助你快速评估系统状况。

运行环境诊断工具

打开终端，执行以下命令：

# 系统信息检测 echo "=== 系统信息 ===" uname -a echo -e "\n=== Python版本 ===" python --version || python3 --version echo -e "\n=== 显卡信息 ===" if command -v nvidia-smi &> /dev/null; then nvidia-smi | grep "NVIDIA-SMI" -A 1 else echo "未检测到NVIDIA显卡" fi echo -e "\n=== 必要工具检查 ===" command -v git &> /dev/null && echo "Git: 已安装" || echo "Git: 未安装 ❗" command -v conda &> /dev/null && echo "Conda: 已安装" || echo "Conda: 未安装 ❗" command -v ffmpeg &> /dev/null && echo "FFmpeg: 已安装" || echo "FFmpeg: 未安装 ❗"

预期输出示例

=== 系统信息 === Linux ubuntu 5.15.0-78-generic #85-Ubuntu SMP Fri Jul 7 15:25:09 UTC 2023 x86_64 x86_64 x86_64 GNU/Linux === Python版本 === Python 3.10.6 === 显卡信息 === NVIDIA-SMI 525.105.17 Driver Version: 525.105.17 CUDA Version: 12.0 === 必要工具检查 === Git: 已安装 Conda: 已安装 FFmpeg: 已安装

系统兼容性矩阵

自检清单

• 已运行环境诊断脚本
• 系统满足最低要求
• 已安装所有必要工具（Git、Conda、FFmpeg）

📌 环境配置：基础依赖安装

安装核心依赖

根据你的操作系统，选择以下对应的安装命令：

Windows用户

# 安装FFmpeg curl -o ffmpeg.exe https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe curl -o ffprobe.exe https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe # 将FFmpeg添加到系统路径 set PATH=%PATH%;%cd%

macOS用户

# 使用Homebrew安装依赖 brew install git ffmpeg

Linux用户

# Ubuntu/Debian系统 sudo apt update && sudo apt install -y git ffmpeg libsox-dev

验证FFmpeg安装

ffmpeg -version

成功验证标志

看到类似以下输出，表明FFmpeg安装成功：

ffmpeg version 5.1.3-1ubuntu1 Copyright (c) 2000-2022 the FFmpeg developers built with gcc 12 (Ubuntu 12.2.0-3ubuntu1)

自检清单

• 已安装Git
• 已安装FFmpeg并验证成功
• 已安装Conda
• 网络连接正常

🚀 核心部署：双路径安装方案

基础版：快速启动（适合新手）

1. 获取项目代码

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

2. 创建并激活虚拟环境

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

3. 安装依赖包

# Windows/Linux用户 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 # macOS用户 pip install -r requirements_macOS.txt

4. 下载预训练模型

# 安装huggingface_hub pip install -U "huggingface_hub[cli]" # 设置国内镜像（如需要） 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"

进阶版：自定义配置（适合开发者）

1. 同样先获取代码并创建环境（同上基础版步骤1-2）

2. 根据CUDA版本安装PyTorch

# 查看CUDA版本 nvcc -V # 根据CUDA版本选择对应命令 # CUDA 11.7 pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu117 # CUDA 11.8 pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu118 # CPU only pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cpu

3. 安装基础依赖并构建高级组件

# 安装基础依赖 pip install -r requirements_base.txt # 构建动物模型支持组件 cd src/utils/dependencies/XPose/models/UniPose/ops python setup.py build install cd -

4. 手动下载模型（备用方案）

如果通过huggingface-cli下载失败，可以手动下载模型文件并解压到pretrained_weights目录：

• 从备用链接下载模型压缩包
• 解压到项目根目录下的pretrained_weights文件夹
• 确保目录结构符合要求：pretrained_weights/下包含模型权重文件

部署预检清单

在进行功能验证前，请检查以下项目：

• 项目代码已成功克隆
• 虚拟环境已创建并激活
• 所有依赖包已安装
• 预训练模型已下载并放置在正确位置
• pretrained_weights目录下有模型文件

✅ 功能验证：测试与体验

命令行推理测试

人类模型测试

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

成功验证标志

命令执行完成后，在项目目录下会生成animations文件夹，里面包含生成的动画文件。

动物模型测试（仅Windows/Linux）

python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching

图形界面体验

启动Gradio可视化界面，体验更直观的操作方式：

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

启动成功后，会自动打开浏览器，显示如下界面：

这是人类模式的主界面，你可以上传源图像或视频，选择驱动视频，调整参数后点击"Animate"按钮生成动画。

动物模式界面提供了专门针对动物图像的动画生成功能，预设了多种动物示例供选择。

高级编辑功能体验

LivePortrait还提供了强大的肖像编辑功能，可以通过调整滑块来修改面部表情和姿态：

在这个界面中，你可以调整眼睛开合度、嘴唇开合度、面部朝向等参数，实时预览编辑效果。

自检清单

• 命令行推理成功生成动画
• 能够成功启动Gradio界面
• 可以上传图片并生成动画
• 高级编辑功能正常工作

⚠️ 问题排查：常见故障解决

模型下载失败

症状：huggingface-cli下载模型时卡住或报错

可能原因：

• 网络连接问题
• HuggingFace访问受限
• 磁盘空间不足

验证命令：

# 检查磁盘空间 df -h

解决方案：

1. 使用国内镜像：

export HF_ENDPOINT=https://hf-mirror.com

2. 手动下载模型：
   • 从备用链接下载模型压缩包
   • 解压到pretrained_weights目录

CUDA版本不兼容

症状：运行时出现"CUDA out of memory"或"CUDA version mismatch"错误

可能原因：

• PyTorch版本与CUDA版本不匹配
• 显存不足

验证命令：

# 查看已安装的PyTorch版本和CUDA信息 python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA是否可用:', torch.cuda.is_available())"

解决方案：

1. 安装匹配的PyTorch版本（参考前面的兼容性矩阵）
2. 降低批量大小或使用更小分辨率的输入
3. 对于显存不足问题，可以添加--low_memory参数运行

macOS性能问题

症状：在Apple Silicon设备上运行缓慢或卡顿

可能原因：

• MPS加速未启用
• 内存不足

验证命令：

# 检查MPS是否可用 python -c "import torch; print('MPS是否可用:', torch.backends.mps.is_available())"

解决方案：

1. 启用MPS加速：

PYTORCH_ENABLE_MPS_FALLBACK=1 python inference.py

2. 关闭其他占用内存的应用程序

📊 性能调优：参数配置指南

性能调优参数表

调优示例

# 平衡速度和质量 python inference.py --crop_scale 2.2 --driving_multiplier 1.75 # 低内存模式 python inference.py --low_memory --crop_scale 1.8 # 快速预览 python inference.py --driving_multiplier 2.0 --max_frames 30

🔍 功能探索路线图

成功部署后，你可以按照以下路线图探索LivePortrait的各项功能：

1. 基础功能（1-2小时）

   • 使用示例图片生成动画
   • 尝试不同的驱动视频效果

2. 高级功能（2-3小时）

   • 使用自定义图片和视频
   • 调整动画参数，观察效果变化
   • 尝试肖像编辑功能

3. 专业应用（半天）

   • 处理长视频
   • 批量生成动画
   • 结合视频编辑软件进行后期处理

🤝 社区资源导航

常见问题标签

• #模型下载：关于模型获取的问题
• #CUDA问题：GPU相关的技术支持
• #效果优化：提升动画质量的技巧
• #性能调优：加快生成速度的方法

贡献指南

如果你有兴趣为LivePortrait项目做贡献，可以从以下方面入手：

• 改进文档和教程
• 报告bug并提供复现步骤
• 提交代码修复或新功能
• 分享使用案例和创意应用

学习资源

• 项目文档：readme_zh_cn.md
• 技术细节：assets/docs/directory-structure.md
• 性能测试：assets/docs/speed.md

恭喜你完成了LivePortrait的安装部署！现在你已经拥有了一个功能强大的AI人像动画生成工具。随着使用的深入，你会发现更多有趣的功能和应用场景。记得定期更新项目代码以获取最新功能和改进：

git pull conda activate LivePortrait pip install -r requirements.txt

祝你使用愉快，创造出精彩的动画作品！

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