EchoMimicV2部署教程——AI 数字人半身动画超强引擎

于 2025-01-22 12:09:40 发布
阅读量2.9k 收藏 23
点赞数 24
分类专栏： 模型构建 文章标签： 人工智能 应用社区 算家云 EchoMimicV2 模型部署 数字人
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/SJJS_1/article/details/145285354
版权

一、介绍

EchoMimicV2：面向引人注目、简化和半身体人体动画。

EchoMimicV2 是阿里蚂蚁集团推出的一款先进的半身人体 AI 数字人项目，具有以下特点和优势优快云博客：

技术原理

  • 音频 - 姿势动态协调（APDH）：包括姿势采样和音频扩散，逐步减少姿势条件的依赖，让音频条件在动画中扮演更重要的角色，并将音频条件的影响从嘴唇扩散到整个面部，再到全身，增强音频与动画的同步性。
  • 头部局部注意力（Head Partial Attention, HPA）：在训练中整合头部数据，增强面部表情的细节，无需额外的插件或模块。
  • 特定阶段去噪损失（Phase-specific Denoising Loss, PhD Loss）：将去噪过程分为三个阶段，每个阶段都有特定的优化目标。
  • Latent Diffusion Model（LDM）：用变分自编码器（VAE）将图像映射到潜在空间，在训练过程中逐步添加噪声，估计并去除每个时间步的噪声。
  • ReferenceNet-based Backbone：用 ReferenceNet 从参考图像中提取特征，将其注入到去噪 U-Net 中，保持生成图像与参考图像之间的外观一致性。

功能与效果

  • 音频驱动的动画生成：可以用音频剪辑驱动人物的面部表情和身体动作，实现音频与动画的同步，支持中文和英文。
  • 半身动画制作：从仅生成头部动画扩展到生成包括上半身的动画，能生成完整的数字人半身动画，实现从中英文语音到动作的无缝转换。
  • 增强的表现力：通过姿势采样和音频扩散技术，大大增强了半身细节、面部表情和手势的自然表现。
  • 简化的控制条件：减少动画生成过程中所需的复杂条件，让动画制作更为简便。

二、部署过程

基础环境最低要求说明：

环境名称版本信息1
Ubuntu22.04.4 LTS
CudaV12.1.105
Python3.10
NVIDIA CorporationRTX 4090

1. 更新基础软件包

查看系统版本信息

# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等
cat /etc/os-release

1726627581255_image.png

配置 apt 国内源

# 更新软件包列表
apt-get update

这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。

# 安装 Vim 编辑器
apt-get install -y vim

这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。

为了安全起见，先备份当前的 sources.list 文件之后，再进行修改：

# 备份现有的软件源列表
cp /etc/apt/sources.list /etc/apt/sources.list.bak

这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯，因为编辑 sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。

# 编辑软件源列表文件
vim /etc/apt/sources.list

这个命令使用 Vim 编辑器打开 sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。

在 Vim 中，您可以使用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存更改并退出 Vim，或 :q! 命令不保存更改并退出 Vim。

编辑 sources.list 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。

1726627632814_image.png

使用 Vim 编辑器打开 sources.list 文件，复制以下代码替换 sources.list里面的全部代码，配置 apt 国内阿里源。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

1726627649314_image.png

安装常用软件和工具

# 更新源列表，输入以下命令：
apt-get update

# 更新系统软件包，输入以下命令：
apt-get upgrade

# 安装常用软件和工具，输入以下命令：
apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential

出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具

1726627670779_image.png

2. 安装 NVIDIA CUDA Toolkit 12.1

  • 下载 CUDA Keyring ：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb

这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。

  • 安装 CUDA Keyring ：
dpkg -i cuda-keyring_1.0-1_all.deb

使用 dpkg 安装下载的密钥环。这是必要的，以便 apt 能够验证从 NVIDIA 仓库下载的软件包的签名。

1726627689852_image.png

  • 删除旧的 apt 密钥（如果必要） ：
apt-key del 7fa2af80

这一步可能不是必需的，除非您知道 7fa2af80 是与 CUDA 相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环，这一步可以跳过。

  • 更新 apt 包列表 ：
apt-get update

更新 apt 的软件包列表，以便包括刚刚通过 cuda-keyring 添加的 NVIDIA 仓库中的软件包。

  • 安装 CUDA Toolkit ：
apt-get -y install cuda-toolkit-12-1

1726627724243_image.png

出现以下页面，说明 NVIDIA CUDA Toolkit 12.1 安装成功

1726627736357_image.png

注意：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 cuda-toolkit-12-1 的包。通常，您会安装一个名为 cuda 或 cuda-12-1 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库，以确认正确的包名。

如果您正在寻找安装特定版本的 CUDA Toolkit，您可能需要安装类似 cuda-12-1 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 .run 安装程序进行手动安装。

请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。

1726627761880_image.png

  • 出现以上情况，需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量

编辑 ~/.bashrc 文件

# 编辑 ~/.bashrc 文件
vim ~/.bashrc

插入以下环境变量

# 插入以下环境变量
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

1726627785017_image.png

激活 ~/.bashrc 文件

# 激活 ~/.bashrc 文件
source ~/.bashrc

查看cuda系统环境变量

which nvcc
nvcc -V

1726627797367_image.png

3. 安装 Miniconda

  • 下载 Miniconda 安装脚本 ：
    • 使用 wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。
  • 运行 Miniconda 安装脚本 ：
    • 使用 bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。
# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行 Miniconda 安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

# 初次安装需要激活 base 环境
source ~/.bashrc

按下回车键（enter）

1726627823409_image.png

输入yes

1726627835177_image.png

输入yes

1726627844297_image.png

安装成功如下图所示

1726627852297_image.png

pip配置清华源加速

# 编辑 /etc/pip.conf 文件
vim  /etc/pip.conf

加入以下代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：

  • 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。
  • 在运行安装脚本之前，您可能需要使用 chmod +x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。
  • 安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 "yes" 以完成安装和初始化。
  • 安装完成后，您可以使用 conda 命令来管理 Python 环境和包。
  • 如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。

4. 从 github 仓库 克隆项目

  • 克隆存储库：
# 克隆项目
git clone https://github.com/antgroup/echomimic_v2

请注意，如果 git clone https://github.com/antgroup/echomimic_v2.git 这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

5. 创建虚拟环境

# 创建一个名为 echomimic 的新虚拟环境，并指定 Python 版本为 3.10
conda create --name echomimic python=3.10 -y

6. 安装模型依赖库

  • 切换到项目目录、激活 echomimic 虚拟环境、安装 requirements.txt 依赖
# 切换到 echomimic_v2 项目工作目录
cd /echomimic_v2

# 激活 echomimic 虚拟环境
conda activate echomimic

# 在 echomimic 环境中安装依赖
pip install pip -U
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 xformers==0.0.28.post3 --index-url https://download.pytorch.org/whl/cu124
pip install torchao --index-url https://download.pytorch.org/whl/nightly/cu124
pip install -r requirements.txt
pip install --no-deps facenet_pytorch==2.6.0

7. 下载预训练模型

  • 下载预训练权重
# 下载预训练权重
git lfs install
git clone https://huggingface.co/BadToBest/EchoMimicV2 pretrained_weights

8. 运行 web_demo.py 文件

# 切换到项目工作目录
cd echomimic_v2

# 激活 echomimic 虚拟环境
conda activate echomimic

# 设置 Gradio 服务器名称和端口
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080

# 运行 app.py 文件
python app.py

三、网页演示

出现以下 Gradio 页面，即是模型已搭建完成。

1734509664565_image.png

博客
用一段歌词就能生成优美旋律—— YuE 本地部署教程，让创作自由发声！
04-10 501
YuE（乐・悦）是由香港科技大学与 Multimodal Art Projection（M-A-P）团队联合开发的，能够生成包含声乐与伴奏的高质量音乐，支持多种语言（如英语、普通话、粤语、日语、韩语）和音乐风格（如流行、爵士、说唱、民谣等），最长可生成5分钟的完整歌曲。
博客
硬刚英伟达B200！谷歌推出最新AI推理芯片，专为深度思考模型打造
04-10 157
谷歌推出最新一代TPU，性能直逼英伟达B200，再次加剧了AI芯片领域的竞争，AI推理芯片格局将如何变化？
博客
LatentSync-1.5本地部署教程 ：影视级口播一键生成，互动体验直线升级！
04-09 883
LatentSync-1.5 是由字节跳动与北京交通大学联合开源的端到端唇形同步框架，基于音频条件的潜在扩散模型构建。相比旧版本，LatentSync-1.5 在以下几个方面都实现了提升：101. 硬件兼容性全面升级LatentSync-1.5 最大的突破在于对英伟达50系显卡的适配支持，解决了旧版本（如1.0）在新型显卡上的兼容性问题。通过底层架构优化，进一步降低显存占用，甚至能在中端显卡上实现高效运行，扩大了开发者和创作者的硬件选择范围。2.生成效率与质量双重提升。
博客
推理天花板来了！英伟达开源253B新模型：免费商用模型+自研芯片的生态阳谋
04-09 358
今天，英伟达开源推出253B新模型，不仅碾压Llama 4，更以一半参数量直接媲美DeepSeek-R1，在GPQA科学推理基准中以76分登顶。当算力巨头入局，大模型领域将如何被改写？
博客
万相2.1本地部署教程——阿里开源超强AI视频模型：物理模拟×中英双驱，定义AI生成新标杆！
04-08 347
通义万相 2.1（Wan2.1）是阿里推出的开源视频生成模型，于今年1月发布，凭借在复杂运动生成、物理规律模拟及多语言支持上的突破，成为AI视频生成领域的标杆，甚至超越某些闭源模型。在开源6天后，就登顶全球最大开源社区 Hugging Face 模型热榜与模型空间榜。通义万相2.1采用自研的高效变分自编码器（VAE）和扩散时间变换器（DiT）架构，通过时空全注意机制增强时空上下文建模能力。
博客
斯坦福2025 AI 指数报告来了！国产AI强势崛起，普惠浪潮席卷千行百业
04-08 512
2025年斯坦福AI指数报告重磅发布：中美差距、开源模型崛起、推理成本暴降、小模型性能飙升，AI变得更高效、普惠。
博客
B 站开源 Index-TTS本地部署教程 ：6G显存轻松玩转AI语音！
04-07 870
Index-TTS 由B站出品，是一种基于 XTTS 和 Tortoise 的 GPT 风格的文本转语音 （TTS） 模型。它能够使用拼音纠正汉字的发音，并通过标点符号控制任何位置的停顿。团队增强了系统的多个模块，包括扬声器条件特征表示的改进，以及 BigVGAN2 的集成以优化音频质量。经过数万小时的数据训练，系统实现了最先进的性能，优于当前流行的 TTS 系统，如 XTTS、CosyVoice2、Fish-Speech 和 F5-TTS。
博客
“开源第一” Llama 4发布2天就跌落神坛，Meta的算力霸权为何救不了口碑？
04-07 368
Meta 最新开源的 Llama 4，在 Hugging Face 开源榜登顶不到48小时，评论区就充斥着“失望透顶”的声浪。这场口碑塌房的急速反转，不仅暴露了Meta的技术与管理双重危机，更揭示了AI行业的真相。
博客
Ubuntu 22.04极简MySQL安装指南：从安装到测试，一步到位！
04-04 979
MySQL作为全球最受欢迎的开源关系型数据库，是开发者和运维人员构建高效应用的基石。本教程专为设计，从零开始逐步帮助您完成MySQL的安装。无论您是新手还是经验丰富的开发者，都能通过这篇简明指南快速上手！
博客
最强中文AI绘画模型「即梦3.0」上线，设计师直呼“要失业了”
04-04 629
GPT-4o的热度还没过去，即梦AI又升级了，强大的中文生成能力，再度引发了设计师的“集体焦虑”。
博客
阿里登顶全球榜首！通义千问7B全模态模型拿下Hugging Face开源榜单第一
04-03 310
开源仅6天，阿里通义千问Qwen2.5-Omni就登顶Hugging Face 开源模型榜首，杭州公司包揽榜单前三，中国开源生态全面崛起。
博客
机器人迎来转折点！智源的新发布，让具身智能从单机迈向群体
04-02 391
智源研究院发布跨本体协作框架RoboOS与开源具身大脑RoboBrain，打破机器人单机孤岛，这对未来的具身智能有何影响？
博客
ComfyUI轻量版极速部署教程 ：轻量引擎×SD-XL模型×AI工作流，AI创作效率直线飙升！
04-02 675
ComfyUI 是一个强大的、模块化的 Stable Diffusion 界面与后端项目。允许用户使用基于图形/节点/流程图的界面设计和执行高级稳定的扩散管道。今天要带来的是ComfyUI轻量化版本，其中只安装了管理器、IPadapter、AnimateDiff、视频助手等基本插件，内置了SD-XL-1.0模型，能够让页面加载速度更快。接下来将介绍ComfyUI轻量版本地部署教程，将该镜像快速部署到您的项目中！
博客
智能检索×生成增强——RagFlow本地部署教程，让数据开口说话！
04-01 1269
RagFlow是一个基于对文档深入理解的开源 RAG（检索增强生成）引擎。它的作用是可以让用户创建自有知识库，根据设定的参数对知识库中的文件进行切块处理，用户向大模型提问时，RAGFlow先查找自有知识库中的切块内容，接着把查找到的知识库数据输入到对话大模型中再生成答案输出。它能凭借引用知识库中各种复杂格式的数据为后盾，为用户提供真实可信的答案。RAGFlow的技术原理涵盖了文档理解、检索增强、生成模型、注意力机制等，特别强调了深度文档理解技术，能够从复杂格式的非结构化数据中提取关键信息.
博客
OpenAI即将开源！DeepSeek“逼宫”下，AI争夺战将走向何方？
04-01 776
OpenAI宣布将开源推理模型，是闭源巨头在开源生态蓬勃发展下的无奈自救吗？AI浪潮下，未来的博弈又将走向何方？
博客
Ubuntu 22.04安装MongoDB：GLM4模型对话数据收集与微调教程
03-31 1265
今天将为大家带来如何微调GLM4模型并连接数据库进行对话的教程。快跟着小编一起试试吧~
博客
全球首个“边想边干“的智能体AutoGLM沉思重磅发布：AI的“新石器时代”要来了
03-31 431
当AI学会“边想边干”，人类与机器的协作边界正在被改写。3月31日，智谱发布全球首个“边想边干”智能体AutoGLM沉思，不仅能在复杂任务中自主规划、实时执行，还能像人类一样打开网页、分析数据并生成报告。这或许正是AI“新石器时代”的开端：当智能体开始自主使用工具，人类的角色将从操作者转向规则制定者。
博客
阿里前高管贾扬清创业公司将被英伟达天价收购：一场改写AI基建规则的变革
03-28 670
英伟达近日宣布收购初创公司Lepton AI。此举不仅是英伟达对抗亚马逊、谷歌自研芯片的强力回击，更可能引爆算力民主化浪潮——中小企业无需天价投入即可训练百亿级大模型，分布式算力网络或成未来常态。这次收购，是否将改写AI基建的底层规则？
博客
在Ubuntu 22.04 极速安装 MongoDB Community Edition：新手必看指南
03-28 1133
MongoDB 社区版是 MongoDB 的免费开源版本，提供核心 NoSQL 数据库功能，支持文档存储、索引、复制、分片等，适合开发测试和小规模生产环境。核心优势包括灵活的数据模型、横向扩展能力及活跃的社区支持等，适用于初创团队、教育用途及轻量级应用场景。二、
博客
阿里最新开源全模态大模型——Qwen2.5-Omni-7B，7B就能搞定“看听说写”，AI越来越像人了
03-27 529
阿里最新开源的Qwen2.5-Omni大模型，以“看听说写”全模态实时交互能力，重新定义了AI的“类人化”边界。当AI无限逼近人类感官时，AI应用的场景，或许将被改变。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值