MuseV

一张照片，生成无限时长高保真虚拟人视频

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署视频生成 🍴 复刻 306 🐛 待处理 68 👀 关注 34

GitHub ↗

GitHub 星标 ★ 2849

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，本地部署，完全免费

项目预览

项目数据

分类视频生成

开发团队TMElyralab

GitHubhttps://github.com/TMElyralab/MuseV

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费

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NOASSERTION

主要语言Python

技术栈/模型diffusion,human-video-generation,image2video,infinite-length,musev,video-generation

GitHub 星标★ 2849

上线时间2024-03-25 00:00:00

代码更新2024-06-28

仓库体积236.0 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4

项目介绍

MuseV 是一个基于扩散模型的开源虚拟人视频生成框架，专注于生成无限长度、高保真的虚拟人视频。它解决了传统视频生成中时长受限、动作不连贯、身份不一致等问题，核心能力包括视觉条件并行去噪、图像到视频的转换、支持多人种和多种风格，并提供了训练和推理的完整工具链。用户可以通过输入一张人物图像和动作序列，生成流畅的虚拟人表演视频，适用于数字人、影视制作、虚拟助手等场景。项目代码结构清晰，提供了详细的文档和示例，便于二次开发。

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 ★ 2849

技术标签

diffusion video-generation

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：入门约 10 分钟部署方式：Docker 4 步

环境要求

支持 CUDA 的 NVIDIA GPU（启动命令使用 --gpus all）
已安装 Docker，并配置好 NVIDIA Container Toolkit 以便容器内调用 GPU
如不使用 Docker，需自行准备 Python 环境（README 未指定具体版本）
镜像内默认 conda 环境名为 musev

安装与启动步骤

1拉取镜像

从 Docker Hub 拉取官方 MuseV 镜像，latest 标签即最新版本。
```
docker pull anchorxia/musev:latest
```
2启动容器

以交互方式进入容器；--gpus all 让容器使用全部 GPU，否则无法加速。
```
docker run --gpus all -it --entrypoint /bin/bash anchorxia/musev:latest
```
3激活环境

镜像内默认 conda 环境名为 musev，进入容器后激活它再运行代码。
```
conda activate musev
```
4本地装依赖

不用 Docker 时，README 要求准备 Python 环境并安装这些额外包（未给出版本号）。
```
pip install diffusers controlnet_aux mmcm
```