- CPU: 2核心及以上
- GPU: NVIDIA系列(可选)
- 操作系统: Windows 10+
- 环境:
- Anaconda/Miniconda
- ffmpeg
- 集成环境下载:
- anaconda下载地址: https://repo.anaconda.com/archive/
- 安装完检查
# 打开新的终端
$ conda --version
# conda 24.x.xanaconda 精简版本 miniconda下载地址: https://repo.anaconda.com/miniconda/
多媒体框架软件下载: https://github.com/GyanD/codexffmpeg/releases
根据实际需求下载对应的build，教程使用 ffmpeg-7.0.2-essentials_build.7z 发行版。
- 解压
ffmpeg-7.0.2-essentials_build.7z至任意目录 - 将
ffmpeg-7.0.2-essentials_build/bin目录添加至系统环境变量 - 安装完检查
# 打开新的终端
$ ffmpeg
# ffmpeg version 7.0.2-essentials_build-www.gyan.dev Copyright (c) 2000-2024 the FFmpeg developers
# built with gcc 13.2.0 (Rev5, Built by MSYS2 project)安装前需要注意 Cuda, ONNX Runtime 和 cuDNN 版本对应关系: https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#install
-
VC++发行版本下载地址
-
先确认英伟达的驱动版本再选择对应的cuda版本，对应关系如图所示:
cuda版本下载地址: https://developer.nvidia.com/cuda-toolkit-archive
- 安装完检查
# 打开新的终端
$ nvidia-smi
# +---------------------------------------------------------------------------------------+
# | NVIDIA-SMI 535.129.03 Driver Version: 535.129.03 CUDA Version: 12.2 |
# |-----------------------------------------+----------------------+----------------------+
# | GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
# | Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
# | | | MIG M. |
# |=========================================+======================+======================|
# | 0 Quadro RTX 6000 Off | 00000000:3B:00.0 Off | 0 |
# | N/A 29C P8 13W / 250W | 7MiB / 23040MiB | 0% Default |
# | | | N/A |
# +-----------------------------------------+----------------------+----------------------+
# | 1 Quadro RTX 6000 Off | 00000000:AF:00.0 Off | 0 |
# | N/A 27C P8 13W / 250W | 7MiB / 23040MiB | 0% Default |
# | | | N/A |
# +-----------------------------------------+----------------------+----------------------+
# +---------------------------------------------------------------------------------------+
# | Processes: |
# | GPU GI CI PID Type Process name GPU Memory |
# | ID ID Usage |
# |=======================================================================================|
# | 0 N/A N/A 2393 G /usr/lib/xorg/Xorg 4MiB |
# | 1 N/A N/A 2393 G /usr/lib/xorg/Xorg 4MiB |
# +---------------------------------------------------------------------------------------+- cudnn下载地址: https://developer.nvidia.com/cudnn-archive
- 安装完检查
# 打开新的终端
$ nvcc -V
# nvcc: NVIDIA (R) Cuda compiler driver
# Copyright (c) 2005-2023 NVIDIA Corporation
# Built on Mon_Apr__3_17:16:06_PDT_2023
# Cuda compilation tools, release 12.1, V12.1.105
# Build cuda_12.1.r12.1/compiler.32688072_0 # 打开新的终端
$ conda create -n LivePortrait python==3.9.16
$ conda activate LivePortrait
$ python --version
# Python 3.9.16- 安装
# 处于 LivePortrait 环境下
$ git clone https://github.com/KwaiVGI/LivePortrait
$ cd LivePortrait
$ pip install -r requirements.txt注意: numpy 版本在安装时默认为 1.26.0 如果升级为更高版本会导致项目运行失败。
- 放置训练模型
将 insightface 和 liveportrait 这2个文件夹放置在根目录下的 pretrained_weights 中。
# 文件目录结构
├── insightface
│ └── models
│ └── buffalo_l
│ ├── 2d106det.onnx
│ └── det_10g.onnx
└── liveportrait
├── base_models
│ ├── appearance_feature_extractor.pth
│ ├── motion_extractor.pth
│ ├── spade_generator.pth
│ └── warping_module.pth
├── landmark.onnx
└── retargeting_models
└── stitching_retargeting_module.pth下载地址: https://pan.baidu.com/s/1MGctWmNla_vZxDbEp2Dtzw?pwd=z5cn#list/path=%2F
- 根据之前的
nvcc -V来确定对应的torch安装, Torch官网
# 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
# ...- 安装完检查
# 处于 LivePortrait 环境下
# 查看 torch 版本
$ python -c "import torch;print(torch.__version__)"
# 2.3.0
# 查看 torch-gpu 是否可用
$ python -c "import torch;print(torch.cuda.is_available())"
# True在 4.1 中会默认安装 onnxruntime-gpu 版本，如果和 nvidia 的驱动不匹配则会导致项目无法运行，此时需要重新安装 onnxruntime 库，如果系统版本的cuda为11.8则可直接忽略该步骤。
- 卸载原有的库
$ pip uninstall onnxruntime-gpu- 安装版本
cpu 版本
$ pip install onnxruntimegpu版本，默认对应 cuda 11.8
$ pip install onnxruntime-gpugpu版本，支持 cuda 12.x
$ pip install onnxruntime-gpu --extra-index-url https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/onnxruntime-cuda-12/pypi/simple/- 安装完检查
# 处于 LivePortrait 环境下
$ python -c "import onnxruntime;print(onnxruntime.__version__)"
# 1.18.0进入 LivePortrait 的根目录，执行以下指令:
# For Linux and Windows users
$ python inference.py如果执行成功则会在当前目录下生成一个名为 animations 的目录，输出的结果将存储在该目录下。