SadTalker本地部署教程：免费制作高保真AI数字人

SadTalker 是一个基于深度学习的项目，能够根据单张静态人脸图片和一段音频，生成头部运动自然、口型同步的高质量说话视频。对于希望保护隐私、避免云端排队或节省 API 费用的创作者来说，本地部署是最佳选择。本教程将引导你完成从环境配置到生成第一个数字人视频的全过程。

SadTalker 生成效果示意：左侧为静态源图片，右侧为生成的动态说话视频帧

关于运行环境准备

SadTalker 依赖于 Python 环境和 PyTorch 深度学习框架。在开始之前，请确保你的电脑满足以下基本条件：操作系统为 Windows 10/11，拥有 NVIDIA 显卡（建议显存 6GB 以上以支持较高分辨率），并已安装 Git。

首先，你需要安装 Anaconda 或 Miniconda 来管理 Python 虚拟环境。这是隔离依赖包、避免版本冲突的标准做法。安装完成后，打开命令行工具，创建一个新的虚拟环境并指定 Python 版本为 3.10，这是目前兼容性较好的版本。

conda create -n sadtalker python=3.10
conda activate sadtalker

激活环境后，你需要安装 PyTorch。请务必访问 PyTorch 官网，根据你的 CUDA 版本选择对应的安装命令。例如，如果你的 CUDA 版本是 11.8，命令可能如下所示。这一步下载量较大，请保持网络畅通。

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

关于运行环境准备

关于代码获取与依赖安装

环境准备好后，接下来获取 SadTalker 的源代码。你可以直接从 GitHub 克隆官方仓库。在命令行中进入你希望存放项目的目录，执行克隆命令。

git clone https://github.com/OpenTalker/SadTalker.git
cd SadTalker

进入项目文件夹后，需要安装项目所需的第三方库。SadTalker 提供了一个 requirements.txt 文件，列出了所有必要的依赖。使用 pip 一键安装即可。

pip install -r requirements.txt

如果在安装过程中遇到某些包下载失败，可以尝试更换国内镜像源，如清华源或阿里云源，以提高下载速度和成功率。此外，SadTalker 还需要下载一些预训练模型文件，包括面部关键点检测模型和音频特征提取模型。首次运行时，程序通常会自动下载这些文件到 checkpoints 目录，但如果网络不稳定，建议手动下载并放入对应文件夹。

使用 pip 安装 requirements.txt 依赖包的命令行界面

关于 WebUI 界面启动

为了方便操作，SadTalker 提供了基于 Gradio 的网页用户界面。相比于纯命令行操作，WebUI 更加直观，适合调整参数和预览结果。在项目根目录下，找到 app.py 或类似的启动脚本。

在命令行中执行以下命令启动服务：

python app.py

启动成功后，命令行窗口会显示一个本地地址，通常是 http://127.0.0.1:7860。在浏览器中打开该地址，你将看到 SadTalker 的操作界面。界面主要分为输入区和参数设置区。输入区用于上传源图片（Source Image）和驱动音频（Driving Audio）；参数设置区则允许你调整渲染模式、分辨率和面部增强选项。

关于核心功能区域

在 WebUI 中，有几个关键区域决定了最终视频的质量。首先是“源图像”上传框，这里需要上传一张正面、五官清晰的人脸照片。照片的质量直接影响生成效果，建议避免遮挡面部或使用过度美颜的图片。

其次是“驱动音频”上传框，支持 mp3 或 wav 格式。音频的长度决定了视频的时长，清晰度影响口型的准确度。如果音频背景噪音过大，可能会导致口型匹配出现偏差。

参数设置中，“Render Mode”（渲染模式）通常有 full、face 等选项。Full 模式会生成包含背景的整体视频，而 Face 模式仅裁剪面部区域。对于初学者，建议选择 Full 模式以观察整体协调性。“Enhancer”（增强器）选项可以开启 GFPGAN 或 CodeFormer，用于修复面部细节，使生成的脸部更清晰，但这会增加显存占用和生成时间。

关键参数设置区域：渲染模式选择与面部增强选项

关于生成与结果查看

一切准备就绪后，点击界面底部的“Generate”按钮。系统开始处理数据，命令行窗口会实时显示进度条和日志信息。生成时间取决于视频长度、分辨率以及显卡性能，通常在几分钟到十几分钟不等。

生成完成后，视频会直接显示在 WebUI 的结果预览区。你可以点击播放按钮检查口型同步情况和头部运动的自然度。如果对结果满意，点击下载按钮保存视频到本地。如果发现口型不同步或面部扭曲，可以尝试更换更清晰的源图片，或使用更干净的音频重新生成。

生成完成后的视频预览播放器及下载按钮

本地部署 SadTalker 虽然前期配置稍显繁琐，但一旦环境搭建完成，后续生成视频完全免费且无次数限制。通过不断调整源图片质量和音频清晰度，你可以逐步掌握制作高保真 AI 数字人的技巧。