💡
原文中文，约7200字，阅读约需18分钟。
📝
内容提要
快手可灵大模型团队开源了名为LivePortrait的人像视频生成框架，能够将驱动视频的表情、姿态迁移到静态或动态人像视频上，生成极具表现力的视频结果。该框架已在快手的多个业务中落地，并将继续探索新的应用方式。
🎯
关键要点
- 快手可灵大模型团队开源了LivePortrait人像视频生成框架。
- LivePortrait能够实时将驱动视频的表情和姿态迁移到静态或动态人像视频上。
- 该框架已在快手的多个业务中应用，并将继续探索新的应用方式。
- LivePortrait在GitHub上获得了6.4K Stars和550 Forks，受到广泛关注。
- LivePortrait采用69M高质量训练帧和视频-图片混合训练策略，提升生成能力和可控性。
- 模型训练分为基础模型训练和贴合与重定向模块训练两个阶段。
- 第一阶段使用高质量训练数据和升级的网络结构，提升模型的泛化性和效率。
- 第二阶段设计了贴合模块和重定向模块，以解决跨身份驱动时的眼部和嘴部问题。
- LivePortrait在同身份和跨身份驱动中表现优异，生成质量和驱动精确度较高。
- 该框架支持多人合照驱动和动物肖像驱动，拓宽了实际应用场景。
- LivePortrait已在快手的多个业务落地，并将探索多模态驱动的人像视频生成。
❓
延伸问答
LivePortrait是什么？
LivePortrait是快手可灵大模型团队开源的人像视频生成框架，能够实时将驱动视频的表情和姿态迁移到静态或动态人像视频上。
LivePortrait的技术优势是什么？
LivePortrait采用69M高质量训练帧和视频-图片混合训练策略，提升了生成能力和可控性，同时在生成速度和效率上表现优异。
LivePortrait的应用场景有哪些？
LivePortrait已在快手的多个业务中应用，包括快手魔表、快手私信、快影的AI表情玩法等，并支持多人合照和动物肖像驱动。
LivePortrait的训练过程是怎样的？
LivePortrait的训练分为两个阶段：基础模型训练和贴合与重定向模块训练，使用高质量数据和升级的网络结构以提升模型性能。
LivePortrait在GitHub上的表现如何？
LivePortrait在GitHub上获得了6.4K Stars和550 Forks，受到广泛关注，并在开源社区中获得好评。
LivePortrait如何处理跨身份驱动的问题？
LivePortrait设计了贴合模块和重定向模块，以解决跨身份驱动时的眼部和嘴部问题，确保生成的表情自然且准确。
➡️
