IP_LAP

上传一张照片和一段音频，生成身份保持的逼真说话视频

IP_LAP 是 CVPR 2023 论文《Identity-Preserving Talking Face Generation with Landmark and Appearance Priors》的官方实现，专注于高保真数字人说话视频生成。它解决的核心问题是：在生成说话人脸时，如何保持目标人物的身份特征（如脸型、五官细节）不丢失，同时确保口型与音频同步、头部姿态自然。项目通过引入面部关键点（landmark）和外观先验（appearance priors），将身份信息与运动信息解耦，在生成过程中显式约束身份一致性，从而避免常见方法中身份漂移或模糊的问题。核心能力包括：基于音频驱动的人脸动画生成、支持自定义输入图像和音频、提供训练和推理代码、以及预训练模型。技术栈基于 Python 和深度学习框架，适合研究者和开发者用于数字人、虚拟主播、视频编辑等场景。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 734

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Weizhi-Zhong

所属国家

官网地址

GitHubhttps://github.com/Weizhi-Zhong/IP_LAP

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和修改，无在线服务或付费版本。

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audio-driven-talking-face,cvpr2023,talking-face-generation,talking-head

GitHub 星标★ 734

30天Star增速

HF 下载量

上线时间2023-03-21 00:00:00

最近更新2026-09-14 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2

使用教程

核心亮点

身份保持效果好：通过 landmark 和外观先验显式约束，生成人脸与源图像身份高度一致，减少身份漂移
学术权威性：CVPR 2023 论文官方实现，方法经过同行评审，技术路线有据可查
代码结构清晰：提供训练和推理脚本，便于二次开发和定制，适合学术研究复现

不足之处

推理速度较慢：基于深度学习模型，实时性不足，难以直接用于直播等低延迟场景
对输入图像质量敏感：源图像清晰度和角度影响生成效果，低质量输入下会出现 artifacts
文档/社区待观察：项目早期，文档和社区支持相对有限，上手需要一定研究背景

适用场景

数字人视频生成：用于虚拟主播、在线教育、短视频制作，输入照片和音频即可生成口型同步视频
影视后期与游戏角色动画：为静态角色图生成对话动画，降低动画制作成本
学术研究：作为 talking face generation 领域的基线方法，用于对比实验和算法改进

替代项目

Wav2Lip、SadTalker、MakeItTalk

项目介绍

IP_LAP 是数字人3D领域的开源项目，由 Weizhi-Zhong 开发，2023 年首次发布。

它收录于数字人3D分类，该分类目前共有 272 个项目，GitHub 星标数为 734。

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 2026-09-14。Apache-2.0许可证，可免费使用和修改，无在线服务或付费版本。

它主要面向的使用场景是：数字人视频生成：用于虚拟主播、在线教育、短视频制作，输入照片和音频即可生成口型同步视频。同类可对比的替代方案包括 Wav2Lip、SadTalker、MakeItTalk。

上一篇：Audio2Head

下一篇：CVPR2022-DaGAN