17 KiB
LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control
🔥 更多效果，请查看我们的 主页 🔥
🔥 更新日志
2024/10/18：❗ 我们更新了transformers，gradio库的版本避免安全漏洞，具体查看这里.2024/08/29：📦 我们更新了Windows一键安装程序并支持自动更新, 详情建这里。2024/08/19：🖼️ 我们支持了图像驱动模式和区域控制。详情请见这里。2024/08/06：🎨 我们在Gradio界面支持精确的人像编辑, 受到ComfyUI-AdvancedLivePortrait启发。详见这里。2024/08/05：📦 Windows用户现在可以下载一键安装程序，支持人类模式和动物模式！详情见这里。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！2024/07/25：📦 Windows用户现在可以从 HuggingFace 或 百度云 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！2024/07/19：✨ 我们支持🎞️ 人像视频编辑（aka v2v）！更多信息见这里。2024/07/17：🍎 我们支持macOS搭载Apple Silicon，修改来自 jeethu 的PR #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。2024/07/09：🤗 我们发布了HuggingFace Space，感谢HF团队和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：🔥 我们发布了主页和在arXiv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）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、conda和FFmpeg。有关FFmpeg安装的详细信息，见如何安装FFmpeg。
git clone https://github.com/KwaiVGI/LivePortrait
cd LivePortrait
# 使用conda创建环境
conda create -n LivePortrait python=3.10
conda activate LivePortrait
对于Linux或Windows用户
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：
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官方网站获取安装命令：
# 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
# ...
注意：在Windows系统上，一些过高版本的CUDA(12.4、12.6等)可能会导致未知的问题，您可以考虑降低您的CUDA版本到11.8，这是我们测试的一个较为稳定的版本。降级方法可以参考 @dimitribarbot 提供的文档.
最后，安装其余依赖项：
pip install -r requirements.txt
对于搭载Apple Silicon的macOS用户
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：
# 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：
# !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HuggingFace平台，你可以访问其镜像网站hf-mirror进行下载操作：
# !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或百度云（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其中展示的内容。
3. 推理 🚀
快速上手（人类模型）👤
# 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。
# 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使用，这是一个通用的关键点检测框架。
cd src/utils/dependencies/XPose/models/UniPose/ops
python setup.py build install
cd - # 等同于 cd ../../../../../../../
然后执行
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：
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：
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 
# 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：
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。
# 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：
# 对于NVIDIA GPU
python speed.py
结果在本仓库该文件展示.
社区资源 🤗
社区项目
| 仓库 (按时间排序) | 描述 | 作者 |
|---|---|---|
| FacePoke | 一个实时的头部姿态表情控制应用，通过鼠标控制！ | @jbilcke-hf |
| FaceFusion | FaceFusion 3.0 集成了 LivePortrait 作为 expression_restorer 和 face_editor 处理器。 |
@henryruhs |
| sd-webui-live-portrait | LivePortrait 的 WebUI 扩展，在原版 Stable Diffusion WebUI 中添加了一个标签以使用 LivePortrait 的功能。 | @dimitribarbot |
| ComfyUI-LivePortraitKJ | 一个用于 LivePortrait 的 ComfyUI 节点，使用 MediaPipe 作为 Insightface 的替代方案。 | @kijai |
| ComfyUI-AdvancedLivePortrait | 一个更快的 ComfyUI 节点，具有实时预览功能，启发了许多社区开发的工具和项目。 | @PowerHouseMan |
| comfyui-liveportrait | 一个用于 LivePortrait 的 ComfyUI 节点，支持多面部、表情插值等功能，并有教程。 | @shadowcz007 |
Playgrounds, 🤗 HuggingFace Spaces 以及其它
- FacePoke Space
- Expression Editor Space
- Expression Editor Replicate
- Face Control Realtime Demo on FAL
- Replicate Playground
- Nuke 可以通过 CompyUI 节点使用 LivePortrait，详情见这里
- LivePortrait 在 Poe 上运行
视频教程
- LivePortrait 视频转视频的工作流程 由 @curiousrefuge 制作
- Google Colab 教程 由 @Planet Ai 制作
- 论文解读 由 @TwoMinutePapers 制作
- ComfyUI 高级 LivePortrait 教程 由 TutoView 制作
- LivePortrait 探索 和 LivePortrait 深入探讨 由 TheoreticallyMedia 制作
- LivePortrait 实战教程 由 @AI Search 制作
- ComfyUI 教程 由 @Sebastian Kamph 制作
- B 站上的教程
还有来自社区的无数令人惊叹的贡献，未能一一列举 💖
致谢 💐
我们要感谢FOMM、Open Facevid2vid、SPADE、InsightFace和X-Pose仓库的的贡献者，感谢他们的开放研究和贡献。
道德考量 🛡️
肖像动画技术伴随着社会风险，特别是在创建深度伪造（deepfakes）时可能被滥用。为了减轻这些风险，遵循道德指南并采取负责任的使用实践至关重要。目前，生成的结果包含一些视觉伪影，这些伪影可能有助于检测深度伪造。请注意，我们不对本项目生成的结果的使用承担任何法律责任。
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：
@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}
}