AdvancedLivePortrait-WebUI

GitHub
527 53 中等 2 次阅读 2天前Apache-2.0Agent图像开发框架
AI 解读 由 AI 自动生成,仅供参考

AdvancedLivePortrait-WebUI 是一个基于 Gradio 开发的网页版人像表情编辑工具。它源自快手团队的 LivePortrait 项目,可以让你上传一张静态人像图片,然后自由调整图片中人物的面部表情,比如微笑、皱眉、眨眼、张嘴等细微变化。

这个工具特别适合以下几类用户:研究人员可以快速测试人像驱动算法的效果;设计师和内容创作者可以用它来生成不同表情的素材;开发者则可以基于它进行二次开发。它还支持视频驱动模式,可以通过一段驱动视频让静态照片“活”起来,产生自然的动态效果。

技术方面,AdvancedLivePortrait-WebUI 采用了 ultralytics 进行高精度人脸检测,并使用 RealESRGAN 进行图像修复提升画质。安装和使用都比较友好,支持本地运行、Docker 部署以及 Google Colab 在线体验,Windows 用户还可以通过 PowerShell 脚本一键启动。只需要准备 Python 3.9-3.12 环境,一台中等配置的电脑就能流畅运行。

使用场景

小李是一名专注于编程教学的短视频博主,他需要制作一系列 Python 教程视频。为了让视频更具亲和力,他计划在讲解时使用自己的照片配合动态表情,而不是直接录制真人出镜,这样可以保证画面质量一致,也无需每次都重新化妆和布置场景。

没有 AdvancedLivePortrait-WebUI 时

  • 制作动态表情需要使用 After Effects、Blender 等专业软件,学习成本极高
  • 即使掌握软件,手动制作一个自然的面部表情动画也需要 2-3 小时
  • 如果想调整表情细节(如微笑幅度、眨眼时机),只能返回软件重新修改,流程繁琐
  • 生成高质量动画效果依赖昂贵的专业工具和硬件设备
  • 导出视频后如果发现表情不自然需要整体重做,时间成本难以承受

使用 AdvancedLivePortrait-WebUI 后

  • 通过 Gradio WebUI 界面直接上传静态照片,零门槛操作,5 分钟内即可完成
  • 提供 AAA、EEE、眨眼、挑眉等多种预设表情参数,可视化拖拽调整,即时预览效果
  • 支持视频驱动模式,可以用一段参考视频让照片中的人物复现相同表情,大幅提升效率
  • 内置 RealESRGAN 图像修复功能,输出画质清晰细腻
  • 整个过程在本地运行,无需上传素材到第三方平台,保护隐私安全

小李现在只需上传一张自己的照片,选择想要的讲解表情,几十秒就能生成一段自然的动态视频片段,直接用于教程制作。

运行环境要求

操作系统
  • Linux
  • Windows
  • macOS
GPU

需要 NVIDIA GPU,CUDA 12.4(可选,使用 CPU 则不需要)

内存

未说明

依赖
notes如需处理视频驱动需安装 FFmpeg 并添加到系统 PATH;如不使用 NVIDIA GPU 可使用 requirements-cpu.txt;提供 PowerShell 脚本和 Docker 两种运行方式;模型文件约 5GB
python3.9 - 3.12
gradio
torch
opencv-python
ultralytics
RealESRGAN
safetensors
onnxruntime
pillow
numpy
scipy
AdvancedLivePortrait-WebUI hero image

快速开始

AdvancedLivePortrait-WebUI

这是一个基于 Gradio 的 WebUI,源自 LivePortraitComfyUI-AdvancedLivePortrait
您可以编辑图像中的面部表情。

https://github.com/user-attachments/assets/9946a969-599b-4fca-8d83-7915cb7c4a00

Notebook

您可以在 Colab 中试用

colab Hugging Face Spaces

安装与运行

前提条件

  1. 3.9 <= python <= 3.12 : https://www.python.org/downloads/release/python-3110/
  2. (可选,仅在使用 Nvidia GPU 时) CUDA 12.4 : https://developer.nvidia.com/cuda-12-4-0-download-archive?target_os=Windows
  3. (可选,仅在使用视频驱动时需要)FFmpeghttps://ffmpeg.org/download.html
    安装 FFmpeg 后,请务必将 FFmpeg/bin 文件夹添加到您的系统 PATH

本地运行

  1. 克隆此仓库
git clone https://github.com/jhj0517/AdvancedLivePortrait-WebUI.git
  1. 安装依赖(如果您不使用 Nvidia GPU,请使用 requirements-cpu.txt。)
pip install -r requirements.txt
  1. 运行应用
python app.py

使用 PowerShell 运行

有针对不同用途的 PowerShell 脚本:Install.ps1Start-WebUI.ps1Update.ps1
它们使用 venv 执行上述相同操作,包括创建、激活 venv 和运行应用等。

如果您使用 Windows,请右键点击脚本,然后点击 使用 PowerShell 运行

使用 Docker 运行

  1. 克隆此仓库
git clone https://github.com/jhj0517/AdvancedLivePortrait-WebUI.git
  1. 构建镜像
docker compose -f docker/docker-compose.yaml build
  1. 运行容器
docker compose -f docker/docker-compose.yaml up
  1. 在浏览器中连接到 http://localhost:7860/

如果您不使用 Nvidia GPU,请更新 docker-compose.yaml 以匹配您的环境。

🌐 翻译

非常欢迎为 translation.yaml 提交语言翻译的 PR!

❤️ 致谢

  1. LivePortrait 论文来自
@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}
}
  1. 模型是由 kijai 转换的 safetensors 格式:https://github.com/kijai/ComfyUI-LivePortraitKJ
  2. 使用 ultralytics 进行人脸检测。
  3. 此 WebUI 源自 ComfyUI-AdvancedLivePortrait,AAA、EEE、眉毛、眨眼等各种面部表情由 PowerHouseMan 发现。
  4. 使用 RealESRGAN 进行图像修复。

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|昨天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架