LivePortrait یکی از پرکاربردترین پروژههای متنبازِ انیمیشن پرتره است — یک مدل پژوهشی که یک پرتره ثابت را میگیرد و به آن جان میدهد و حالت چهره و حرکت سر را از یک ویدیوی محرک به صورت منتقل میکند. اگر مدام میبینید به آن اشاره میشود و یک پاسخ ساده و قابلفهم درباره اینکه LivePortrait چیست، چطور اجرا میشود و آیا میتواند جای ابزارهای میزبانیشدهِ آواتارِ سخنگو را بگیرد میخواهید، این راهنما دقیقاً همینها را پوشش میدهد. پروژه منبع: github.com/KwaiVGI/LivePortrait.
LivePortrait چیست؟
LivePortrait یک چارچوب کارآمد برای انیمیشنسازی پرتره است. با داشتن یک تصویر منبع از چهره و یک سیگنال محرک — معمولاً یک ویدیوی کوتاه از فردی که حرکت میکند و صحبت میکند — یک ویدیوی جدید تولید میکند که در آن پرتره منبع همان حرکت را بازتاب میدهد؛ از جمله تغییرات ظریف حالت صورت، حرکت چشم و لبها. این پروژه در مقایسه با روشهای سنگینترِ مبتنی بر diffusion به سرعت و قابلیت کنترل بالا شناخته میشود.
نکته کلیدی که باید بدانید: LivePortrait یک ابزار توسعهدهنده است، نه یک وبسایت میزبانیشده. نه صفحه ثبتنامی دارد و نه اپ مرورگر. آن را با Python بهصورت محلی نصب میکنید و از طریق خط فرمان یا یک رابط دمو اجرا میکنید. این یعنی انعطافپذیر است و اجرای آن رایگان است، اما در عوض نیاز به راهاندازی واقعی و یک GPU قدرتمند هم دارد.
چطور LivePortrait را اجرا کنیم
LivePortrait بهصورت محلی اجرا میشود، بنابراین قبل از اولین انیمیشن به چند پیشنیاز نیاز دارید.
پیشنیازها
- یک سیستم با GPU NVIDIA (اجرای فقط با CPU ممکن است، اما کند است).
- Python و یک مدیر بسته مثل conda.
- Git برای کلون کردن مخزن و دانلود وزنهای مدل.
راهاندازی
- مخزن را کلون کنید (Clone) از پروژه رسمی GitHub و وابستگیهای Python را نصب کنید.
- وزنهای ازپیشآموزشدیده را دانلود کنید طبق توضیحات README پروژه.
- استنتاج را اجرا کنید با پرتره منبع و یک ویدیوی محرک تا خروجی انیمیشنشده ساخته شود، یا رابط دموِ همراه پروژه را اجرا کنید.
چون این یک پروژه پژوهشی است، انتظار داشته باشید دفعه اول README و بخش issues را بخوانید و خودتان محیط اجرا و بهروزرسانیها را مدیریت کنید.
LivePortrait در برابر یک ابزار میزبانیشدهِ آواتار سخنگو
LivePortrait و ابزارهای آواتارِ میزبانیشده مشکلات متفاوتی را حل میکنند.
- LivePortrait را انتخاب کنید اگر با Python و GPUها راحت هستید، کنترل در سطح پژوهشی روی انیمیشن میخواهید و مسیر رایگانِ خودمیزبان را به سرعت ترجیح میدهید.
- یک ابزار میزبانیشده را انتخاب کنید اگر فقط یک ویدیوی سخنگوِ آماده را سریع میخواهید، بدون هیچ راهاندازی. VisionStory یک عکس بههمراه متن را در چند دقیقه داخل مرورگر شما به یک ویدیوی آواتار سخنگو با لبخوانی دقیق تبدیل میکند — بدون Python، بدون GPU، بدون نیاز به ضبط ویدیوی محرک.
اگر هدف شما ساخت یک ارائهدهنده سخنگو از یک عکس و یک متن است، معمولاً ابزار آواتار میزبانیشده مسیر سریعتری است. ببینید در ساخت ویدیوی هوش مصنوعی چطور کار میکند، یا برای مقایسه سریع یک عکس سخنگو بسازید.
میخواهید بدون نصب هیچ چیزی یک ویدیوی سخنگو بسازید؟ VisionStory را رایگان امتحان کنید — یک عکس آپلود کنید، یک متن بنویسید و در چند دقیقه یک ویدیوی آواتار سخنگوی قابلاشتراک دریافت کنید.