企业官网建设流程全解析

SadTalker说话头完整部署指南：新手10分钟上手

【免费下载链接】SadTalker[CVPR 2023] SadTalker：Learning Realistic 3D Motion Coefficients for Stylized Audio-Driven Single Image Talking Face Animation项目地址: https://gitcode.com/GitHub_Trending/sa/SadTalker

SadTalker 是 CVPR 2023 的开源项目：输入一张人像图和一段音频，就能生成口型与表情自然的说话头视频。本文按环境自检、依赖安装、模型资产下载、首次运行验证的顺序带你走通全流程，跟着"自检 → 三步安装 → 首跑"的路线，大约 10 分钟就能拿到一个可播放的视频。

环境就绪自检：开跑前五分钟

动手前按表格核对一下机器配置。任何一项不达标都能事后补救，但中途排查会麻烦得多：

⚠️ 最容易踩的两个坑：Python 版本不是 3.8（项目部分依赖锁定了旧版本，用新版容易装不上），以及 FFmpeg 没装或没进 PATH。

三步完成部署：隔离环境、依赖、资产一次到位

第一步｜创建隔离环境

项目的依赖版本锁定较多，装进系统公共环境极易和其他项目冲突，所以先克隆仓库并建一个独立的 conda 环境：

git clone https://gitcode.com/GitHub_Trending/sa/SadTalker cd SadTalker conda create -n sadtalker python=3.8 conda activate sadtalker

激活后校验一下版本，确认隔离环境生效：

python --version

✅ 输出以 Python 3.8 开头即通过。

第二步｜安装核心依赖

先装 PyTorch 框架，因为依赖清单里的其他包都建立在它之上。GPU 机器执行：

pip install torch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1

✅ 命令走完打印安装成功即可；如果你是纯 CPU 机器，改成安装 +cpu 后缀的 CPU 版本，推理脚本运行时会自行检测设备。

再装 FFmpeg，它是音视频编解码的必选项：

conda install ffmpeg # Linux（conda 环境内） brew install ffmpeg # macOS

⚠️ Windows 请安装 FFmpeg 官方二进制包并把 bin 目录加入 PATH，装完统一用ffmpeg -version能打印版本信息来确认。

然后一键装完全部 Python 依赖（numpy、librosa、face_alignment、gfpgan 等都在清单里）：

pip install -r requirements.txt

✅ 最后用一条导入命令验证，不报错并打印出版本号就说明依赖齐了：

python -c "import torch, librosa, face_alignment, gfpgan; print(torch.__version__)"

💡 如果打算用 Gradio 网页里的"文本转语音"功能，需要额外执行pip install TTS。

第三步｜获取预训练资产

代码和依赖就绪后还差最后一块：预训练模型。需要的资产一览：

项目自带一键下载脚本（Linux/macOS 推荐）：

bash scripts/download_models.sh

✅ 脚本会自动创建 checkpoints/ 与 gfpgan/weights/ 目录并逐个下载，已存在的文件会被跳过，可安全重复执行；中途断网直接重跑即可续传。

Windows 用户或脚本失败时，手动把上表文件放到对应目录即可（可在项目发布页找到下载源）；如果只打算用 256 模型，512 那个文件可以跳过。

验证首次运行：三条命令确认就绪

依次执行下面三条命令，确认环境真正可用：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())" ffmpeg -version python -c "import librosa, face_alignment, gfpgan, safetensors; print('deps ok')"

预期输出：第一条打印框架版本与 True（有 GPU）或 False（无 GPU）；第二条打印 FFmpeg 版本信息；第三条打印 deps ok。

全绿之后跑最短示例。inference.py 内置了默认的示例图像与音频，直接运行即可：

python inference.py

运行结束后会生成一个说话头视频，保存在 results/<时间戳>.mp4。换成自己的素材时：

python inference.py --driven_audio ./examples/driven_audio/deyu.wav \ --source_image ./examples/source_image/full_body_1.png

按硬件选方案：GPU与CPU怎么选

GPU 示例（追求质量）：

python inference.py --driven_audio ./examples/driven_audio/deyu.wav \ --source_image ./examples/source_image/full_body_1.png \ --size 512 --enhancer gfpgan

CPU 示例（保证能跑）：

python inference.py --cpu --driven_audio ./examples/driven_audio/deyu.wav \ --source_image ./examples/source_image/full_body_1.png \ --size 256 --batch_size 1

💡 脚本会自动检测 CUDA，--cpu 只在你想强制用 CPU 时才需要加。

错误速查与排查：症状→原因→解决

先查表，绝大多数问题落在这七类里：

几个高频问题：

问：全身图能不能直接做动画？ 答：可以，加--still --preprocess full，动起来的脸部会自动贴回原图，得到全身视频。

问：想用网页界面而不是命令行？ 答：python app_sadtalker.py启动 Gradio 页面，或用一键脚本 webui.sh（Linux/macOS）与 webui.bat（Windows）。

问：256 和 512 两个模型都要留吗？ 答：不用，代码按 --size 自动选模型，留你打算用的那个分辨率即可。

问：产物在哪，能看到中间结果吗？ 答：默认输出到 results/<时间戳>.mp4；加 --verbose 会保留全部中间产物。

收尾：部署路线回顾

核硬件、建独立 3.8 环境、装依赖、拉资产，三步走完后用首次运行验证收尾。跑通之后，建议试试--still全身模式、--enhancer gfpgan面部增强，以及用参考视频借用眨眼和姿态这几个进阶玩法。更多参数组合见 docs/best_practice.md，遇到新报错可以翻 docs/FAQ.md。

【免费下载链接】SadTalker[CVPR 2023] SadTalker：Learning Realistic 3D Motion Coefficients for Stylized Audio-Driven Single Image Talking Face Animation项目地址: https://gitcode.com/GitHub_Trending/sa/SadTalker