SadTalker 安装与配置：5 步跑通音频驱动面部动画生成

SadTalker 安装与配置：5 步跑通音频驱动面部动画生成

【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 是一个 CVPR 2023 的音频驱动面部动画系统，输入一张人像照片加一段音频，输出说话人视频。本文给出 SadTalker 安装的一条完整落地路径：按硬件选路、一条命令式流程搭好环境、模型下载与校验、首次推理命令，外加一张按报错关键词组织的问题速查表。全部命令基于仓库真实脚本，可直接复制。

一、选路：你的硬件走哪条路

这一节帮你判断走 GPU 还是 CPU。做完你能明确自己的部署路线。

结论：有 4GB 以上显存的 NVIDIA 显卡就直接走 GPU；没有显卡的机器走 CPU 兜底，结果一致，只是慢一个量级。设备是自动检测的，inference.py 发现 CUDA 可用就分配给 GPU，加--cpu参数才强制走 CPU。

选好路线，下一步把环境搭起来。

二、一条命令式流程搭好 SadTalker 运行环境

这一节按顺序执行 5 个步骤。做完你的 conda 环境能直接加载全部依赖，torch.cuda.is_available()返回True。

1. 克隆仓库并创建 conda 环境：

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

2. 按 CUDA 分支装 PyTorch（CUDA 11.3 或 CPU 二选一）：

# CUDA 11.3 pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113 # CPU 兜底 pip install torch==1.12.1+cpu torchvision==0.13.1+cpu torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cpu

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

3. 安装 FFmpeg：

conda install ffmpeg

ffmpeg -version

4. 安装依赖（清单见 requirements.txt）：

pip install -r requirements.txt

跑 Gradio 网页演示需要额外装 Coqui TTS：pip install TTS。

5. 环境自检：

python -c "import numpy, librosa, face_alignment; print('OK')"

环境就绪后，还差预训练模型这一环。

三、模型文件下载清单与校验

这一节把模型下到正确位置。做完你的项目目录下会出现checkpoints/和gfpgan/weights/两个目录，且每个文件的大小符合预期。

两种下载方式。方式一：Linux/macOS 直接运行仓库自带的下载脚本，自动建目录并拉取全部文件：

bash scripts/download_models.sh

方式二：手动下载。在 Releases 页面下载核心模型，放入checkpoints/，另下载 GFPGAN 离线补丁包，解压后覆盖到项目根目录的gfpgan/。注意两个 mapping 文件要下全：src/utils/init_path.py 按--preprocess是否为 full 模式二选一加载。

下载后校验完整性：

du -h checkpoints/*.safetensors checkpoints/*.pth.tar du -h gfpgan/weights/*.pth

safetensors 文件应在 1.2GB 量级，两个 pth.tar 在 200MB 量级。明显偏小说明下载不完整，用wget -nc断点续传补齐。

模型就位，下面跑第一次推理。

四、跑通 SadTalker 第一次推理

这一节用最少参数生成第一条视频。做完results/下会出现一个时间戳目录，里面是一条带口型动画的 mp4。

最小参数集：

python inference.py --driven_audio examples/driven_audio/bus_chinese.wav \ --source_image examples/source_image/art_0.png \ --enhancer gfpgan

仓库自带示例音频和示例人像，可直接使用。

两个关键参数。--size：选 256 还是 512 分辨率主模型，init_path 会自动加载对应的SadTalker_V0.0.2_512.safetensors或 256 版本，默认 256；512 质量更好，显存需求更高。--enhancer gfpgan：用 GFPGAN 修复人脸细节，不需要增强就去掉。输入是全身照时，加--still --preprocess full保持原始头部姿态并贴回全身画面；只生成人脸特写就用默认 crop 模式。更多组合见 docs/best_practice.md。

ls results/

视频已生成，剩下就是性能预期和报错自查。

五、性能表现与报错关键词速查

这一节给耗时预期和按报错关键词组织的问题表。对照速查表，90% 的安装问题能直接定位。

更完整的案例见 docs/FAQ.md。

环境、模型、推理三步落地后，SadTalker 的安装配置就算完成。 再遇到问题，回这张速查表按关键词查即可。

【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