Personalive

🚀 人物动态直播动画系统（PersonaLive）

用于直播的富有表现力的肖像动画系统

本系统是一款强大的工具，能实现实时的肖像动画驱动，支持离线视频处理，具备多语言界面和多种实用功能，为直播和动画制作带来全新体验。

English | 简体中文 | 繁體中文 | 日本語

✨ 主要特性

• 🎥 实时动画：通过网络摄像头实时驱动肖像动画。
• 📁 离线处理：根据参考图像和驱动视频生成动画视频。
• 🌐 多语言界面：支持英语、简体中文、繁体中文和日语。
• 🌙 黑暗模式：提供护眼的黑暗主题。
• 📸 截图与录制：可捕获和录制动画输出。
• 🖥️ 全屏模式：带来沉浸式的全屏体验。
• 📊 GPU 监控：实时显示 GPU 状态并进行内存管理。
• 🔌 REST API：提供完整的 API 并带有 Swagger 文档。
• 🤖 MCP 支持：支持用于 AI 助手的模型上下文协议。

🚀 快速开始

Docker（推荐）

# 拉取一体化镜像（包含所有模型权重）
docker pull neosun/personalive:allinone

# 运行
docker run -d --gpus all -p 7870:7870 --name personalive neosun/personalive:allinone

# 访问
open http://localhost:7870

Docker Compose

services:
  personalive:
    image: neosun/personalive:allinone
    ports:
      - "7870:7870"
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

docker compose up -d

📦 安装指南

前提条件

• 具有 12GB 以上显存的 NVIDIA GPU。
• 安装了 NVIDIA 容器工具包的 Docker。
• 或者：Python 3.10 和 CUDA 12.1。

方法 1：Docker 一体化安装（最简单）

docker pull neosun/personalive:allinone
docker run -d --gpus all -p 7870:7870 neosun/personalive:allinone

方法 2：使用卷挂载的 Docker 安装

# 克隆仓库
git clone https://github.com/neosun100/personalive.git
cd personalive

# 下载权重
python tools/download_weights.py

# 挂载权重运行
docker run -d --gpus all -p 7870:7870 \
  -v $(pwd)/pretrained_weights:/app/pretrained_weights \
  neosun/personalive:latest

方法 3：本地开发安装

# 克隆仓库
git clone https://github.com/neosun100/personalive.git
cd personalive

# 创建环境
conda create -n personalive python=3.10
conda activate personalive

# 安装依赖
pip install -r requirements_base.txt
pip install -r requirements_api.txt

# 下载权重
python tools/download_weights.py

# 构建前端
cd webcam/frontend && npm install && npm run build && cd ../..

# 运行
python app.py

⚙️ 配置

环境变量

.env 文件示例

PORT=7870
HOST=0.0.0.0
GPU_IDLE_TIMEOUT=600
ACCELERATION=xformers

💻 使用示例

Web 界面

1. 打开 http://localhost:7870。
2. 选择或上传参考肖像。
3. 点击“融合参考”以准备模型。
4. 允许访问网络摄像头并点击“开始动画”。
5. 移动面部以驱动动画！

离线模式

1. 切换到“离线模式”选项卡。
2. 上传参考图像（PNG/JPG）。
3. 上传驱动视频（MP4）。
4. 设置最大帧数并点击“处理”。
5. 下载结果视频。

REST API

# 健康检查
curl http://localhost:7870/health

# GPU 状态
curl http://localhost:7870/api/gpu/status

# 离线处理
curl -X POST http://localhost:7870/api/process/offline \
  -F "reference_image=@portrait.png" \
  -F "driving_video=@video.mp4"

完整的 API 文档：http://localhost:7870/docs

🔧 技术细节

技术栈

• 后端：FastAPI、PyTorch、Diffusers
• 前端：SvelteKit、TailwindCSS
• AI 模型：Stable Diffusion、LivePortrait
• 加速：xFormers、TensorRT（可选）

项目结构

personalive/
├── app.py                 # 主应用程序
├── gpu_manager.py         # GPU 资源管理器
├── mcp_server.py          # MCP 服务器
├── src/                   # 核心模型
├── webcam/                # 前端与流媒体
├── configs/               # 配置文件
├── tools/                 # 实用脚本
└── pretrained_weights/    # 模型权重

🤝 贡献

欢迎贡献代码！请随时提交拉取请求。

1. 分叉仓库。
2. 创建功能分支（git checkout -b feature/amazing）。
3. 提交更改（git commit -m 'Add amazing feature'）。
4. 推送到分支（git push origin feature/amazing）。
5. 打开拉取请求。

📋 变更日志

v1.0.0 (2026-01-04)

• 🎉 初始版本发布
• ✨ 实时网络摄像头动画
• ✨ 离线视频处理
• ✨ 多语言界面（英语/中文/繁体中文/日语）
• ✨ 黑暗模式支持
• ✨ 截图与录制
• ✨ 带有 Swagger 的 REST API
• ✨ MCP 支持
• 🐳 Docker 一体化镜像

📄 许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

⭐ 星标历史

🙏 致谢

本项目基于 GVC Lab 的 PersonaLive。特别感谢原作者。