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。

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。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4302

维护状态低维护

是否开源是

定价模式 free

项目数据

分类数字人3D

开发团队antgroup

所属国家

官网地址https://antgroup.github.io/ai/echomimic

GitHubhttps://github.com/antgroup/echomimic

定价模式free

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

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★ 4302

30天Star增速

HF 下载量

上线时间2024-07-03 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

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

项目介绍

echomimic 是数字人3D领域的开源项目，由 antgroup 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（4,302）位列前 10%，在数字人3D分类的 272 个项目里位列前 5%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。Apache-2.0许可证，可自由使用和部署，无付费版本。

它主要面向的使用场景是：数字人视频制作，如虚拟主播、新闻播报。同类可对比的替代方案包括 SadTalker、Wav2Lip、LivePortrait。

上一篇：JoyVASA

下一篇：Speech2Video