diff --git a/readmeZH.md b/readmeZH.md
new file mode 100644
index 0000000..2f85397
--- /dev/null
+++ b/readmeZH.md
@@ -0,0 +1,279 @@
+
LivePortrait：通过拼接和重定向控制实现高效的人像动画
+
+
+
+
+
+
+ 1 Kuaishou Technology 2 University of Science and Technology of China 3 Fudan University
+
+
+ † Corresponding author
+
+
+
+
+
+
+
+
+ 
+
+ 🔥 更多效果，请查看我们的 主页 🔥
+
+
+
+
+## 🔥 更新日志
+- **`2024/08/06`**：🎨 我们在Gradio界面支持**精确的人像编辑**, 受到[ComfyUI-AdvancedLivePortrait](https://github.com/PowerHouseMan/ComfyUI-AdvancedLivePortrait)启发。详见[**这里**](./assets/docs/changelog/2024-08-06.md)。
+- **`2024/08/05`**：📦Windows用户现在可以下载[一键安装程序](https://huggingface.co/cleardusk/LivePortrait-Windows/blob/main/LivePortrait-Windows-v20240806.zip)，支持**人类模式**和**动物模式**！详情见[**这里**](./assets/docs/changelog/2024-08-05.md)。
+- **`2024/08/02`**：😸 我们发布了**动物模型**版本，以及其他一些更新和改进。查看详情[**这里**](./assets/docs/changelog/2024-08-02.md)！
+- **`2024/07/25`**：📦 Windows用户现在可以从 [HuggingFace](https://huggingface.co/cleardusk/LivePortrait-Windows/tree/main) 或 [百度云](https://pan.baidu.com/s/1FWsWqKe0eNfXrwjEhhCqlw?pwd=86q2) 下载软件包。解压并双击`run_windows.bat`即可享受！
+- **`2024/07/24`**：🎨 我们在Gradio界面支持源人像的姿势编辑。我们还降低了默认检测阈值以增加召回率。[玩得开心](assets/docs/changelog/2024-07-24.md)！
+- **`2024/07/19`**：✨ 我们支持🎞️ **人像视频编辑（aka v2v）**！更多信息见[**这里**](assets/docs/changelog/2024-07-19.md)。
+- **`2024/07/17`**：🍎 我们支持macOS搭载Apple Silicon，修改来自 [jeethu](https://github.com/jeethu) 的PR [#143](https://github.com/KwaiVGI/LivePortrait/pull/143) 。
+- **`2024/07/10`**：💪我们支持音频和视频拼接、驱动视频自动裁剪以及制作模板以保护隐私。更多信息见[这里](assets/docs/changelog/2024-07-10.md)。
+- **`2024/07/09`**：🤗 我们发布了[HuggingFace Space](https://huggingface.co/spaces/KwaiVGI/liveportrait)，感谢HF团队和[Gradio](https://github.com/gradio-app/gradio)！
+- **`2024/07/04`**：😊 我们发布了初始版本的推理代码和模型。持续更新，敬请关注！
+- **`2024/07/04`**：🔥 我们发布了[主页](https://liveportrait.github.io)和在[arXiv](https://arxiv.org/pdf/2407.03168)上的技术报告。
+
+
+
+## 介绍 📖
+此仓库名为***\*****LivePortrait*****\***，包含我们论文（[LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control](https://arxiv.org/pdf/2407.03168)）的官方PyTorch实现。 我们正在积极更新和改进此仓库。如果您发现任何错误或有建议，欢迎提出问题或提交合并请求💖。
+
+## 上手指南 🏁
+### 1. 克隆代码和安装运行环境 🛠️
+
+> [!Note]
+> 确保您的系统已安装[`git`](https://git-scm.com/)、[`conda`](https://anaconda.org/anaconda/conda)和[`FFmpeg`](https://ffmpeg.org/download.html)。有关FFmpeg安装的详细信息，见[***\*****如何安装FFmpeg*****\***](assets/docs/how-to-install-ffmpeg.md)。
+
+```bash
+git clone https://github.com/KwaiVGI/LivePortrait
+cd LivePortrait
+
+# 使用conda创建环境
+conda create -n LivePortrait python=3.9
+conda activate LivePortrait
+```
+
+#### 对于Linux或Windows用户
+
+[X-Pose](https://github.com/IDEA-Research/X-Pose)需要您的`torch`版本与CUDA版本兼容。
+
+首先，通过以下命令检查您当前的CUDA版本：
+
+```bash
+nvcc -V # example versions: 11.1, 11.8, 12.1, etc.
+```
+
+然后，安装相应版本的torch。以下是不同CUDA版本的示例。如果您的CUDA版本未列出，请访问[PyTorch官方网站](https://pytorch.org/get-started/previous-versions)获取安装命令：
+```bash
+# for CUDA 11.1
+pip install torch==1.10.1+cu111 torchvision==0.11.2 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
+# for 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
+# for CUDA 12.1
+pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu121
+# ...
+```
+
+最后，安装其余依赖项：
+
+```bash
+pip install -r requirements.txt
+```
+
+#### 对于搭载Apple Silicon的macOS用户
+
+[X-Pose](https://github.com/IDEA-Research/X-Pose)依赖项不支持macOS，因此您可以跳过其安装。人类模式照常工作，但不支持动物模式。使用为搭载Apple Silicon的macOS提供的requirements文件：
+
+```bash
+# 对于搭载Apple Silicon的macOS用户
+pip install -r requirements_macOS.txt
+```
+
+### 2. 下载预训练权重(Pretrained weights) 📥
+
+从HuggingFace下载预训练权重的最简单方法是：
+```bash
+# !pip install -U "huggingface_hub[cli]"
+huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs"
+```
+
+若您不能访问嬉皮笑脸平台(Huggingface)，你可以访问其镜像网站[hf-mirror](https://hf-mirror.com/)进行下载操作：
+
+```bash
+# !pip install -U "huggingface_hub[cli]"
+export HF_ENDPOINT=https://hf-mirror.com
+huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs"
+```
+
+或者，您可以从[Google Drive](https://drive.google.com/drive/folders/1UtKgzKjFAOmZkhNK-OYT0caJ_w2XAnib)或[百度云](https://pan.baidu.com/s/1MGctWmNla_vZxDbEp2Dtzw?pwd=z5cn)（进行中）下载所有预训练权重。解压并将它们放置在`./pretrained_weights`目录下。
+
+确保目录结构如所示包含[**本仓库该路径**](assets/docs/directory-structure.md)其中展示的内容。
+
+### 3. 推理 🚀
+
+#### 快速上手（人类模型）👤
+
+```bash
+# 对于Linux和Windows用户
+python inference.py
+
+# 对于搭载Apple Silicon的macOS用户（Intel未测试）。注意：这可能比RTX 4090慢20倍
+PYTORCH_ENABLE_MPS_FALLBACK=1 python inference.py
+```
+
+如果脚本成功运行，您将得到一个名为`animations/s6--d0_concat.mp4`的输出mp4文件。此文件包含以下结果：驱动视频、输入图像或视频以及生成结果。
+
+
+ 
+
+或者，您可以通过指定`-s`和`-d`参数来更改输入：
+
+```bash
+# 源输入是图像
+python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4
+
+# 源输入是视频 ✨
+python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d0.mp4
+
+# 更多选项请见
+python inference.py -h
+```
+
+#### 快速上手（动物模型） 🐱🐶
+
+动物模式仅在Linux和Windows上经过测试，并且需要NVIDIA GPU。
+
+您需要首先构建一个名为`MultiScaleDeformableAttention`的OP，该OP由[X-Pose](https://github.com/IDEA-Research/X-Pose)使用，这是一个通用的关键点检测框架。
+
+```bash
+cd src/utils/dependencies/XPose/models/UniPose/ops
+python setup.py build install
+cd - # 等同于 cd ../../../../../../../
+```
+
+然后执行吧
+```bash
+python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching
+```
+如果脚本成功运行，您将得到一个名为`animations/s39--wink_concat.mp4`的输出mp4文件。
+
+ 
+
+#### 驱动视频自动裁剪 📢📢📢
+
+> [!IMPORTANT]
+> 使用您自己的驱动视频时，我们**推荐**： ⬇️
+>
+> - 将其裁剪为**1:1**的宽高比（例如，512x512或256x256像素），或通过`--flag_crop_driving_video`启用自动裁剪。
+> - 专注于头部区域，类似于示例视频。
+> - 最小化肩部运动。
+> - 确保驱动视频的第一帧是具有**中性表情**的正面面部。
+
+以下是通过`--flag_crop_driving_video`自动裁剪的示例：
+
+```bash
+python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d13.mp4 --flag_crop_driving_video
+```
+
+如果自动裁剪的结果不理想，您可以修改`--scale_crop_driving_video`、`--vy_ratio_crop_driving_video`选项来调整比例和偏移，或者手动进行调整。
+
+#### 动作模板制作
+
+您也可以使用以`.pkl`结尾的自动生成的动作模板文件来加快推理速度，并**保护隐私**，例如：
+```bash
+python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d5.pkl # 人像动画
+python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d5.pkl # 人像视频编辑
+```
+
+### 4. Gradio 界面 🤗
+
+我们还提供了Gradio界面
，以获得更好的体验，只需运行：
+
+```bash
+# 对于Linux和Windows用户（以及搭载Intel的macOS？？）
+python app.py # 人类模型模式
+
+# 对于搭载Apple Silicon的macOS用户，不支持Intel，这可能比RTX 4090慢20倍
+PYTORCH_ENABLE_MPS_FALLBACK=1 python app.py # 人类模型模式
+```
+
+我们还为动物模式提供了Gradio界面，这仅在Linux上经过NVIDIA GPU测试：
+```bash
+python app_animals.py # animals mode 🐱🐶
+```
+
+您可以指定`--server_port`、`--share`、`--server_name`参数以满足您的需求！
+
+🚀我们还提供了一个加速选项`--flag_do_torch_compile`。第一次推理触发优化过程（约一分钟），使后续推理速度提高20-30%。不同CUDA版本的性能提升可能有所不同。
+
+```bash
+# 启用torch.compile以进行更快的推理
+python app.py --flag_do_torch_compile
+```
+**注意**：此方法在Windows和macOS上不受支持。
+
+**或者，在[HuggingFace](https://huggingface.co/spaces/KwaiVGI/LivePortrait)上轻松尝试**🤗。
+
+### 5. 推理速度预估 🚀🚀🚀
+我们还提供了一个脚本来评估每个模块的推理速度：
+
+```bash
+# 对于NVIDIA GPU
+python speed.py
+```
+
+结果在[**本仓库该文件展示**](./assets/docs/speed.md).
+
+## 社区资源 🤗
+
+发现社区贡献的宝贵资源，以增强您的LivePortrait体验：
+
+- [ComfyUI-LivePortraitKJ](https://github.com/kijai/ComfyUI-LivePortraitKJ) by [@kijai](https://github.com/kijai)
+- [ComfyUI-AdvancedLivePortrait](https://github.com/PowerHouseMan/ComfyUI-AdvancedLivePortrait) by [@PowerHouseMan](https://github.com/PowerHouseMan).
+- [comfyui-liveportrait](https://github.com/shadowcz007/comfyui-liveportrait) by [@shadowcz007](https://github.com/shadowcz007)
+- [LivePortrait In ComfyUI](https://www.youtube.com/watch?v=aFcS31OWMjE) by [@Benji](https://www.youtube.com/@TheFutureThinker)
+- [LivePortrait hands-on tutorial](https://www.youtube.com/watch?v=uyjSTAOY7yI) by [@AI Search](https://www.youtube.com/@theAIsearch)
+- [ComfyUI tutorial](https://www.youtube.com/watch?v=8-IcDDmiUMM) by [@Sebastian Kamph](https://www.youtube.com/@sebastiankamph)
+- [Replicate Playground](https://replicate.com/fofr/live-portrait) and [cog-comfyui](https://github.com/fofr/cog-comfyui) by [@fofr](https://github.com/fofr)
+
+以及我们社区的许多其他令人惊叹的贡献！
+
+## 致谢 💐
+
+我们要感谢[FOMM](https://github.com/AliaksandrSiarohin/first-order-model)、[Open Facevid2vid](https://github.com/zhanglonghao1992/One-Shot_Free-View_Neural_Talking_Head_Synthesis)、[SPADE](https://github.com/NVlabs/SPADE)、[InsightFace](https://github.com/deepinsight/insightface)和[X-Pose](https://github.com/IDEA-Research/X-Pose)仓库的的贡献者，感谢他们的开放研究和贡献。
+
+## 引用 💖
+
+如果您发现LivePortrait对您的研究有用，欢迎引用我们的工作，使用以下BibTeX：
+
+```bibtex
+@article{guo2024liveportrait,
+ title = {LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control},
+ author = {Guo, Jianzhu and Zhang, Dingyun and Liu, Xiaoqiang and Zhong, Zhizhou and Zhang, Yuan and Wan, Pengfei and Zhang, Di},
+ journal = {arXiv preprint arXiv:2407.03168},
+ year = {2024}
+}
+```
+
+## 联系方式 📧
+
+[**Jianzhu Guo (郭建珠)**](https://guojianzhu.com); **guojianzhu1994@gmail.com**；
+ 
+ 
+