3步完成LivePortrait跨平台部署：让静态肖像动起来的AI工具全指南
3步完成LivePortrait跨平台部署：让静态肖像动起来的AI工具全指南
【免费下载链接】LivePortraitBring portraits to life!项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait
你是否想过让老照片里的人物微笑、让手绘肖像转头说话？LivePortrait就能实现这些神奇效果！作为被主流视频平台广泛采用的人像动画工具，它能让静态图像根据驱动视频做出同步表情和动作。本文将通过3个核心步骤，带你在Windows、macOS或Linux系统上完成部署，全程无需专业背景。
环境准备：5分钟完成系统兼容性验证
就像烹饪需要先检查食材是否新鲜，安装前要确保你的电脑满足基本条件：
系统要求清单
- 操作系统：Windows 10/11、macOS 12+（需Apple Silicon芯片）或Linux（Ubuntu 20.04+）
- 硬件：推荐带4GB以上显存的NVIDIA显卡（Windows/Linux），Mac用户需M1/M2芯片
- 必备工具：Git（代码下载器）、Conda（环境管理器）和FFmpeg（音视频处理专家）
系统对比速查表
| 功能 | Windows | macOS | Linux |
|---|---|---|---|
| 推荐显卡 | NVIDIA (4GB+) | Apple Silicon | NVIDIA (4GB+) |
| FFmpeg安装 | 手动下载可执行文件 | brew install ffmpeg | sudo apt install ffmpeg |
| 加速方式 | CUDA | MPS | CUDA |
| 动物模型支持 | ✅ | ❌ | ✅ |
安装FFmpeg（音视频处理引擎）
Windows用户
下载ffmpeg.exe和ffprobe.exe放到项目根目录（这两个文件就像视频加工厂的核心机器，负责剪辑和格式转换）
macOS用户
打开终端执行：
brew install ffmpeg执行后看到"🍺 /usr/local/Cellar/ffmpeg/..."表示安装成功
Linux用户
sudo apt install ffmpeg libsox-dev conda install -c conda-forge 'ffmpeg<7'为什么分两步？系统库保证基础功能，conda包解决版本兼容性
核心安装：3个步骤搞定部署
1. 获取代码：克隆项目仓库
就像去超市购物需要先拿到购物车，我们先把项目代码下载到本地：
git clone https://gitcode.com/GitHub_Trending/li/LivePortrait cd LivePortrait执行后会在当前目录创建LivePortrait文件夹，里面包含所有源代码
2. 创建虚拟环境：打造独立工作空间
虚拟环境就像专用工具箱，每个项目有自己的工具，避免不同项目的工具相互干扰：
conda create -n LivePortrait python=3.10 conda activate LivePortrait执行成功后，终端提示符前会显示"(LivePortrait)"，这表示你已进入专属工作空间
3. 安装依赖包：配置生产线
Windows/Linux用户（NVIDIA显卡）
先检查CUDA版本（显卡加速驱动）：
nvcc -V如果显示CUDA 11.8.x，继续安装PyTorch（AI计算框架）：
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为什么指定版本？就像拼图需要匹配的接口，不同PyTorch版本对应不同CUDA驱动
macOS用户（Apple Silicon）
pip install -r requirements_macOS.txtM1/M2用户会自动启用Apple芯片专属加速，就像给跑车换上专用赛道轮胎
模型下载：给AI装上"大脑"
通过HuggingFace下载（推荐方法）
先安装模型下载工具：
pip install -U "huggingface_hub[cli]"然后下载模型文件（国内用户建议设置镜像）：
export HF_ENDPOINT=https://hf-mirror.com huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs"执行后会在项目目录下创建pretrained_weights文件夹，里面包含约2GB的模型文件（这是AI的"专业知识库"）
备用下载方式
如果网络不稳定，可手动下载模型压缩包，解压后放到pretrained_weights目录（就像备用钥匙，确保你总有办法打开大门）
快速启动：3种方式体验动画效果
命令行推理（基础功能）
人类模型示例：
# Windows/Linux用户 python inference.py # macOS用户 PYTORCH_ENABLE_MPS_FALLBACK=1 python inference.py执行成功后，会在animations目录生成结果视频。默认效果如下：
动物模型示例（高级功能）
仅支持Windows/Linux，需先构建专用组件：
# 构建MultiScaleDeformableAttention模块 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执行后将看到猫咪图片根据驱动文件做出眨眼动作：
图形界面操作（推荐新手使用）
启动可视化界面：
python app.py # 人类模式 # 或 python app_animals.py # 动物模式浏览器会自动打开操作界面，只需三步即可生成动画：
技术难点解析：常见陷阱+避坑指南
陷阱1：模型下载到一半失败
避坑指南：
设置断点续传：huggingface-cli download ... --resume-download
原因：大文件下载容易中断，断点续传能接着上次进度继续
陷阱2：CUDA版本不匹配导致报错
避坑指南：
Windows用户推荐CUDA 11.8版本，高版本可能出现兼容性问题（就像给老相机装新电池，尺寸不对无法使用）
陷阱3：Mac用户运行缓慢
避坑指南：
添加环境变量启用硬件加速：PYTORCH_ENABLE_MPS_FALLBACK=1 python inference.py
原理：MPS是Apple芯片专用的GPU加速技术
下一步探索路径
1. 高级参数调优
尝试调整驱动强度参数--driving_multiplier（范围0.5-2.0），数值越大动作越夸张，就像调节音响音量找到最合适的听觉体验
2. 视频驱动创作
用手机录制自己的表情视频作为驱动源，让历史人物照片"模仿"你的表情，具体方法参考项目examples目录下的视频样例
3. 二次开发
研究src/modules目录下的网络结构代码，尝试修改生成器参数实现风格迁移，比如让生成的动画带上素描效果
结语
恭喜你成功部署LivePortrait！这个工具就像给静态图像装上了"数字灵魂"，无论是制作趣味视频、修复老照片还是创作数字艺术，都能发挥巨大作用。定期执行git pull获取最新功能，关注项目更新日志了解更多高级技巧。现在，去让那些静止的图像动起来吧！
【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