当前位置： 首页 > news >正文

广元做网站的公司,免费做海报的网站,微商建立网站,商品网站建设实验格式LivePortrait 本地部署教程#xff0c;强大且开源的可控人像AI视频生成 1#xff0c;准备工作#xff0c;本地下载代码并准备环境#xff0c;运行命令前需安装git
以下操作不要安装在C盘和容量较小的硬盘#xff0c;可以找个大点的硬盘装哟 2#xff0c;需要安装FFmp… LivePortrait 本地部署教程强大且开源的可控人像AI视频生成 1准备工作本地下载代码并准备环境运行命令前需安装git  以下操作不要安装在C盘和容量较小的硬盘可以找个大点的硬盘装哟 2需要安装FFmpeg 进去以后选择左边的 release builds 右边出现如下内容 选择带 shared 的还是不带 shared 的版本其实都是可以的。功能是完全一样的。 只不过带 shared 的里面多了 include、lib 目录。把 FFmpeg 依赖的模块包单独的放在的 lib 目录中。ffmpeg.exeffplay.exeffprobe.exe 作为可执行文件的入口文件体积很小他们在运行的时候如果需要会到 lib 中调用相应的功能。 不带 shared 的里面bin 目录中有 ffmpeg.exeffplay.exeffprobe.exe 三个可执行文件每个 exe 的体积都稍大一点因为它已经把相关的需要用的模块包编译到exe里面去了。 验证是否安装成功 在CMD命令终端下输入 ffmpeg -version有类似如下版本信息输出就说明配置成功了 3LivePortrait 本地安装 WINR—CMD全部复制粘贴下面两行自动下载这里要关闭机场可能不成功这个加载成功后再开启稳定的机场 git clone https://github.com/KwaiVGI/LivePortrait cd LivePortrait下载成功如下图 下载失败如下图要关掉机场 回车进入目录 复制粘贴下面命令进入 conda create -n LivePortrait python3.9如果出现错误 因为没有Conda在系统或者环境PATH 解决方法Conda下载 如果 Anaconda/Miniconda 已经安装你可能需要将 conda 添加到系统的环境变量中。 安装成功后环境PATH变量我在E盘你们随便 E:\anaconda3E:\anaconda3\ScriptsE:\anaconda3\Library\bin验证conda –version 重新复制命令 conda create -n LivePortrait python3.9 继续复制粘贴 conda activate LivePortrait 进入下面以后我们要注意 有两个选项 如果你是win系统或者Linux系统就用 pip install -r requirements.txt 如果你是mac系统就用 pip install -r requirements_macOS.txt 我是Windows所以粘贴win系统的回车开始下载所需的安装环境可能需要点时间我用了1个多点 成功如下图 4下载预训练权重 下载预训练权重的最简单方法是从 HuggingFace 下载直接copy

first, ensure git-lfs is installed, see: https://docs.github.com/en/repositories/working-with-files/managing-large-files/installing-git-large-file-storage

git lfs install

clone and move the weights

git clone https://huggingface.co/KwaiVGI/LivePortrait temp_pretrained_weights mv temp_pretrained_weights/* pretrained_weights/ rm -rf temp_pretrained_weights 第二种方法如果没有机场就用下载好的解压到   ./pretrained_weights  目录下 通过百度网盘分享的文件LivePortrait 链接https://pan.baidu.com/s/1sUrcg2WmaBkZZ2FEzJMQ5g?pwdib5p  提取码ib5p  这是目录结构 5推理使用 还是一样你是win或者Linux系统 python inference.py mac系统 PYTORCH_ENABLE_MPS_FALLBACK1 python inference.py 我还是win我们GO一下 复制命令框中等待一会生成.MP4视频会给你个生成地址目录此时还是看网络质量了。 或者您可以通过指定-s和参数-d来更改输入 

图片转视频

python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4

视频转视频

python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d0.mp4python inference.py -h G:\ai\LivePortrait\assets\examples\source把你需要的照片放进去也可以上传图片或者视频自行打开观察 添加的图片后要修改上面命令的格式图片转视频视频转视频一样的 修改前 python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4 修改后前者是照片后者是视频 python inference.py -s assets/examples/source/1.jpg -d assets/examples/driving/d20.mp4 然后放在命令框中运行即可生成 如果还是不行可以百度网盘里制作好的文件 通过百度网盘分享的文件LivePortrait 链接https://pan.baidu.com/s/1sUrcg2WmaBkZZ2FEzJMQ5g?pwdib5p  提取码ib5p  5要使用您自己的参照视频我们建议⬇️ 将其裁剪为1:1 的宽高比例如 512×512 或 256×256 像素或通过 启用自动裁剪–flag_crop_driving_video。重点关注头部区域与示例视频类似。尽量减少肩部运动。确保参照视频的第一帧是正面且表情中性。以下是自动裁剪的案例–flag_crop_driving_video python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d13.mp4 –flag_crop_driving_video 如果觉得自动裁剪的效果不好您可以修改–scale_crop_driving_video、–vy_ratio_crop_driving_video选项来调整比例和偏移量或者手动进行调整。
动作模板制作 您还可以使用自动生成的以 结尾的运动模板文件来.pkl加速推理并保护隐私例如 python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d5.pkl # portrait animation python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d5.pkl # portrait video editing 6Gradio 可视化界面操作 在Gradio的可视化界面下可以获得更好的体验适合新手使用只需运行下面安装代码即可 老样子win或者Linux python app.pymac PYTORCH_ENABLE_MPS_FALLBACK1 python app.py 您可以指定–server_port、、–share参数–server_name来满足您的需求 它们还提供了加速选项–flag_do_torch_compile。首次推理会触发优化过程约一分钟使后续推理速度提高 20-30%。性能提升可能因 CUDA 版本的不同而有所差异。 python app.py –flag_do_torch_compile 注意Windows 和 macOS 不支持此方法。或者在HuggingFace上轻松尝试一下 7推理速度评估 下方提供了一个脚本来评估每个模块的推理速度 python speed.py 以下是使用原生 PyTorch 框架在 RTX 4090 GPU 上推断一帧的结果torch.compile 模型参数(米)模型大小(MB)推理毫秒外观特征提取器0.843.30.82运动提取器28.121080.84铲形发电机55.372127.59变形模块45.531745.21拼接和重定向模块0.232.30.31 注意拼接和重定向模块的值代表三个连续 MLP 网络的组合参数数量和总推理时间。