Live Avatar数字人模型新手教程从安装到生成虚拟人完整指南1. 环境准备与快速部署1.1 硬件要求Live Avatar数字人模型对硬件配置有较高要求最低配置单张80GB显存的GPU如NVIDIA H100推荐配置5×80GB GPU集群如5×H800不支持的配置多张24GB GPU如5×4090无法正常运行1.2 基础环境安装# 创建conda环境 conda create -n liveavatar python3.10 -y conda activate liveavatar # 安装PyTorch和Flash Attention pip install torch2.8.0 torchvision0.23.0 --index-url https://download.pytorch.org/whl/cu128 pip install flash-attn2.8.3 --no-build-isolation # 安装其他依赖 pip install -r requirements.txt # 安装FFMPEG apt-get update apt-get install -y ffmpeg2. 模型下载与配置2.1 下载预训练模型# 中国大陆用户建议先设置镜像 export HF_ENDPOINThttps://hf-mirror.com # 安装huggingface-cli pip install huggingface_hub[cli] # 下载基础模型 huggingface-cli download Wan-AI/Wan2.2-S2V-14B --local-dir ./ckpt/Wan2.2-S2V-14B # 下载Live Avatar LoRA模型 huggingface-cli download Quark-Vision/Live-Avatar --local-dir ./ckpt/LiveAvatar下载完成后检查目录结构应如下ckpt/ ├── Wan2.2-S2V-14B/ │ ├── config.json │ ├── diffusion_pytorch_model-*.safetensors │ └── ... └── LiveAvatar/ ├── liveavatar.safetensors └── ...3. 快速生成第一个数字人视频3.1 CLI模式快速启动# 单GPU模式需要80GB显存 bash infinite_inference_single_gpu.sh # 多GPU模式5×80GB配置 bash infinite_inference_multi_gpu.sh3.2 Web UI模式启动# 启动Gradio界面 bash gradio_single_gpu.sh # 单GPU bash gradio_multi_gpu.sh # 多GPU启动后在浏览器访问http://localhost:7860即可使用图形界面。4. 核心参数配置指南4.1 输入参数配置参数说明示例值--prompt描述视频内容和风格的文本A cheerful young woman speaking in an office environment--image参考图像路径JPG/PNGinputs/portrait.jpg--audio驱动口型的音频文件WAV/MP3inputs/speech.wav4.2 生成参数配置参数说明推荐值--size视频分辨率宽*高704*384--num_clip生成片段数量50约2.5分钟视频--sample_steps扩散模型采样步数4平衡质量与速度4.3 硬件参数配置参数说明推荐值--num_gpus_ditDiT模型使用的GPU数量单GPU:1 / 多GPU:4--offload_model是否将模型卸载到CPU单GPU:True / 多GPU:False5. 常见问题解决5.1 显存不足问题解决方案降低分辨率--size 384*256减少采样步数--sample_steps 3启用在线解码--enable_online_decode5.2 生成质量优化提升技巧使用高清参考图像512×512以上提供清晰的16kHz以上音频编写详细的提示词描述适当增加采样步数4→55.3 长视频生成建议对于10分钟以上的长视频--size 688*368 --num_clip 1000 --enable_online_decode6. 最佳实践总结素材准备使用正面清晰的人物照片录制高质量的语音音频编写详细的场景描述工作流程先用低分辨率快速测试--size 384*256调整参数直到效果满意再用高分辨率生成最终视频性能优化多GPU配置可显著提升速度合理设置num_clip控制视频长度监控显存使用watch -n 1 nvidia-smi获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Live Avatar数字人模型新手教程：从安装到生成虚拟人完整指南
Live Avatar数字人模型新手教程从安装到生成虚拟人完整指南1. 环境准备与快速部署1.1 硬件要求Live Avatar数字人模型对硬件配置有较高要求最低配置单张80GB显存的GPU如NVIDIA H100推荐配置5×80GB GPU集群如5×H800不支持的配置多张24GB GPU如5×4090无法正常运行1.2 基础环境安装# 创建conda环境 conda create -n liveavatar python3.10 -y conda activate liveavatar # 安装PyTorch和Flash Attention pip install torch2.8.0 torchvision0.23.0 --index-url https://download.pytorch.org/whl/cu128 pip install flash-attn2.8.3 --no-build-isolation # 安装其他依赖 pip install -r requirements.txt # 安装FFMPEG apt-get update apt-get install -y ffmpeg2. 模型下载与配置2.1 下载预训练模型# 中国大陆用户建议先设置镜像 export HF_ENDPOINThttps://hf-mirror.com # 安装huggingface-cli pip install huggingface_hub[cli] # 下载基础模型 huggingface-cli download Wan-AI/Wan2.2-S2V-14B --local-dir ./ckpt/Wan2.2-S2V-14B # 下载Live Avatar LoRA模型 huggingface-cli download Quark-Vision/Live-Avatar --local-dir ./ckpt/LiveAvatar下载完成后检查目录结构应如下ckpt/ ├── Wan2.2-S2V-14B/ │ ├── config.json │ ├── diffusion_pytorch_model-*.safetensors │ └── ... └── LiveAvatar/ ├── liveavatar.safetensors └── ...3. 快速生成第一个数字人视频3.1 CLI模式快速启动# 单GPU模式需要80GB显存 bash infinite_inference_single_gpu.sh # 多GPU模式5×80GB配置 bash infinite_inference_multi_gpu.sh3.2 Web UI模式启动# 启动Gradio界面 bash gradio_single_gpu.sh # 单GPU bash gradio_multi_gpu.sh # 多GPU启动后在浏览器访问http://localhost:7860即可使用图形界面。4. 核心参数配置指南4.1 输入参数配置参数说明示例值--prompt描述视频内容和风格的文本A cheerful young woman speaking in an office environment--image参考图像路径JPG/PNGinputs/portrait.jpg--audio驱动口型的音频文件WAV/MP3inputs/speech.wav4.2 生成参数配置参数说明推荐值--size视频分辨率宽*高704*384--num_clip生成片段数量50约2.5分钟视频--sample_steps扩散模型采样步数4平衡质量与速度4.3 硬件参数配置参数说明推荐值--num_gpus_ditDiT模型使用的GPU数量单GPU:1 / 多GPU:4--offload_model是否将模型卸载到CPU单GPU:True / 多GPU:False5. 常见问题解决5.1 显存不足问题解决方案降低分辨率--size 384*256减少采样步数--sample_steps 3启用在线解码--enable_online_decode5.2 生成质量优化提升技巧使用高清参考图像512×512以上提供清晰的16kHz以上音频编写详细的提示词描述适当增加采样步数4→55.3 长视频生成建议对于10分钟以上的长视频--size 688*368 --num_clip 1000 --enable_online_decode6. 最佳实践总结素材准备使用正面清晰的人物照片录制高质量的语音音频编写详细的场景描述工作流程先用低分辨率快速测试--size 384*256调整参数直到效果满意再用高分辨率生成最终视频性能优化多GPU配置可显著提升速度合理设置num_clip控制视频长度监控显存使用watch -n 1 nvidia-smi获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
