echomimic

上传音频和照片,一键生成逼真数字人说话视频,还能手动微调表情。

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 数字人3D 🍴 复刻 470 🐛 待处理 119 👀 关注 49
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 4334
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,Apache-2.0许可证,可自由使用和部署,无付费版本。

项目预览

echomimic 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类数字人3D
开发团队antgroup
定价模式🏷️完全免费
价格说明开源项目,Apache-2.0许可证,可自由使用和部署,无付费版本。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型aaai2025,audio-driven-portrait-animations,audio-driven-talking-face,human-animation,talking-face-generation,talking-head
GitHub 星标★ 4334
上线时间2024-07-03 00:00:00
代码更新2026-04-07
仓库体积22.2 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

EchoMimic 是一个由 AAAI 2025 收录的音频驱动肖像动画生成项目,旨在通过音频和可编辑的面部关键点条件,生成逼真且可控的数字人视频。它解决了传统音频驱动动画中表情僵硬、口型同步差、缺乏编辑灵活性的问题。核心能力包括:利用音频特征驱动面部动作,同时支持用户手动编辑关键点(如眼睛、嘴巴)来精细控制表情;通过双阶段训练策略,将音频和关键点信息有效融合,生成高清晰度、自然流畅的动画。项目提供了完整的训练和推理代码,以及预训练模型,方便开发者快速部署和二次开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4334

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 30 分钟 部署方式:本地安装 4 步

环境要求

  • 操作系统:CentOS 7.2 或 Ubuntu 22.04(README 实测环境)
  • CUDA >= 11.7,需 NVIDIA 显卡(实测 A100 80G / RTX4090D 24G / V100 16G)
  • Python 3.8 / 3.10 / 3.11(README 推荐 conda 创建 Python 3.8 环境)
  • 已安装 conda 与 pip

安装与启动步骤

  1. 1克隆项目代码

    从 GitHub 拉取 EchoMimic 源码到本地,随后进入项目根目录准备后续操作。

    git clone https://github.com/antgroup/echomimic.git
    cd echomimic
  2. 2创建 conda 环境

    README 推荐使用 conda 隔离环境,示例创建名为 echomimic 的 Python 3.8 环境并激活。

    conda create -n echomimic python=3.8
    conda activate echomimic
  3. 3安装依赖包

    在激活的 echomimic 环境中,按 requirements.txt 一次性安装项目所需 Python 依赖。

    pip install -r requirements.txt
  4. 4启动 Gradio 界面

    运行 webgui.py 启动网页交互界面,可通过 server_port 参数指定端口,默认示例为 3000。

    python -u webgui.py --server_port=3000

关键配置

配置项必填说明示例
--server_port否指定 Gradio Web 界面监听端口3000

如何确认成功

执行 webgui.py 后终端无报错,浏览器打开 http://localhost:3000 能看到 Gradio 操作界面即成功。

常见问题

Q:没有 GPU 或显存不足能跑吗?

A:README 实测显卡为 A100(80G)、RTX4090D(24G)、V100(16G),且要求 CUDA >= 11.7,显存较小的显卡可能无法正常运行。

Q:Python 版本有要求吗?

A:README 说明实测 Python 3.8 / 3.10 / 3.11 均可用,推荐按示例用 conda 创建 Python 3.8 环境以避免版本冲突。

Q:端口 3000 被占用怎么办?

A:启动时修改 --server_port 参数为其它空闲端口,例如 python -u webgui.py --server_port=3001。

Q:依赖安装失败怎么办?

A:先确认已 conda activate echomimic 激活环境,并检查 CUDA 版本是否满足 >= 11.7,再重试 pip install -r requirements.txt。

注意事项

  • README 节选未给出预训练模型权重的下载与推理脚本说明,实际使用前请补充查看官方仓库与 HuggingFace/ModelScope 模型页。
  • 启动 Web UI 依赖 Gradio,首次运行可能需下载相关资源,请保持网络畅通。
  • 建议在独立 conda 环境中安装,避免与系统 Python 包产生冲突。
  • 官方同时提供 HuggingFace 与 ModelScope 的在线 Demo,可先在线体验再决定本地部署。

核心亮点

  • 口型同步精度高,基于音频特征直接驱动,自然度优于传统方法。
  • 支持关键点编辑,用户可手动调整眼睛、嘴巴等区域,实现精细表情控制。
  • AAAI 2025 论文背书,算法有学术保障,且代码开源,易于复现。

不足之处

  • 训练和推理对 GPU 资源要求较高,个人开发者入门门槛不低。
  • 文档/社区待观察。

适用场景

  • 数字人视频制作,如虚拟主播、新闻播报。
  • 影视预可视化,快速生成角色口型动画。
  • 辅助配音演员,预览音频对应的面部动作。

替代项目

SadTalker、Wav2Lip、LivePortrait

上一篇:JoyVASA

下一篇:Speech2Video

同类项目推荐

TripoSF 开源

从稀疏输入生成高分辨率、任意拓扑的 3D 模型

SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling

★ 779 2026-08-09
GameFactory-3A 开源

一条命令生成 3A 游戏资产,从模型到视频全自动

A comprehensive open-source 3A game-generation skill and asset framework.

★ 1017 2026-08-21
Effigy 开源

本地跑通2D/3D资产生成,数字人素材自己造

Fully local 2D/3D Asset generation

★ 254 2026-11-10
ASH 开源

用高斯泼溅技术,实现高效逼真的可驱动数字人渲染。

The Training and Demo code for: Ash: Animatable gaussian splats for efficient and ph···

★ 138 2026-08-09
CityDreamer 开源

一键生成无限大的逼真3D城市,告别手工建模

The official implementation of "CityDreamer: Compositional Generative Model of Unbou···

★ 701 2026-08-09
respace 开源

输入一句话,自动生成或编辑室内 3D 场景

Code for "ReSpace: Text-Driven Autoregressive 3D Indoor Scene Synthesis and Editing"

★ 70 2026-08-09
dlp3d.ai 开源

在网页上快速创建能自主行动的3D数字人

Open-source Autonomous 3D Characters on the Web

★ 379 2026-08-09
Nova3D 开源

一句话生成可编辑3D模型,支持文本和图片输入。

Design workspace for programmable 3D. Nova builds assets and worlds as editable, ver···

★ 739 2026-08-09
CorbeauSplat 开源

Mac 上一条命令,视频照片变可看 3D 高斯场景

CorbeauSplat is an all-in-one Gaussian Splatting automation tool designed specifical···

★ 183 2026-10-07