Efficient-Live-Portrait 使用教程
2025-04-17 12:16:27作者:田桥桑Industrious
1. 项目的目录结构及介绍
Efficient-Live-Portrait 项目目录结构如下:
Efficient-Live-Portrait/
├── colab/ # Colab 相关的演示和代码
├── experiment_examples/ # 实验示例文件夹
├── .gitignore # Git 忽略文件
├── LICENSE # 项目许可证
├── README.md # 项目说明文件
├── requirements-cpu.txt # CPU 环境的依赖文件
├── requirements-gpu.txt # GPU 环境的依赖文件
├── requirements-mps.txt # MPS (Metal Performance Shaders) 环境的依赖文件
├── run_live_portrait.py # 主执行脚本
└── pretrained_weights/ # 预训练权重文件夹
colab/: 包含在 Google Colab 环境下运行项目所需的代码和示例代码。experiment_examples/: 存放实验示例,展示如何使用本项目进行各种操作。.gitignore: 指定 Git 忽略的文件和目录。LICENSE: 项目使用的许可证信息,本项目采用 MIT 许可证。README.md: 项目说明文件,包含项目介绍和使用说明。requirements-cpu.txt,requirements-gpu.txt,requirements-mps.txt: 分别列出在 CPU、GPU 和 MPS 环境下所需的依赖库。run_live_portrait.py: 项目的启动文件,用于执行实时肖像动画。pretrained_weights/: 存放预训练模型权重的文件夹。
2. 项目的启动文件介绍
项目的启动文件为 run_live_portrait.py,该文件是运行实时肖像动画的核心脚本。用户可以通过命令行参数来指定输入视频、源图像、任务类型等,以控制动画的生成过程。
以下是一个简单的命令行示例:
python run_live_portrait.py --driving_video 'path/to/video' --source_image 'path/to/image' --task 'image' --run_time
上述命令将会根据提供的视频和图像生成静态肖像动画。
3. 项目的配置文件介绍
本项目没有特定的配置文件。所有的设置和参数都是通过命令行传递给 run_live_portrait.py 脚本的。不过,项目提供了三种不同的环境依赖文件,分别是 requirements-cpu.txt、requirements-gpu.txt 和 requirements-mps.txt,用于在 CPU、GPU 和 MPS 环境下安装所需的依赖库。
用户需要根据自己的硬件条件和需求,选择合适的依赖文件来创建虚拟环境并安装依赖:
conda create -n ELivePortrait python==3.10.14
conda activate ELivePortrait
pip install -r requirements-cpu.txt # 或者 requirements-gpu.txt, requirements-mps.txt
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
877
578
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
162
暂无简介
Dart
764
189
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
746
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
React Native鸿蒙化仓库
JavaScript
302
350