SuperAPI AI 工具集

aliyun-liveportrait

设计与创作

查看项目

更新于 10-15 17:34

技能介绍

用途:调用阿里云百炼(Model Studio)LivePortrait,从人像图片与语音音频生成轻量级说话头像视频,适合较长片段或较简单的播报式动作。

主要能力:提供标准化接口 video.liveportrait。检测请求使用模型 liveportrait-detect,参数含 image_url(必填)。生成请求使用模型 liveportrait,参数含 image_url、audio_url(均必填),可选 template_id(normal、calm、active)、eye_move_freq(0 到 1)、video_fps(15 到 30)、mouth_move_strength(0 到 1.5)、paste_back(布尔)、head_move_strength(0 到 1)。响应含 task_id、task_status,完成后含 video_url。

使用方式:先运行 liveportrait-detect 校验人像图片,再用 liveportrait 执行生成。快速开始命令:python skills/ai/video/aliyun-liveportrait/scripts/prepare_liveportrait_request.py --image-url "https://example.com/portrait.png" --audio-url "https://example.com/speech.mp3" --template-id calm --video-fps 24 --paste-back。默认输出 output/aliyun-liveportrait/request.json,可用 OUTPUT_DIR 覆盖基础目录。校验命令:mkdir -p output/aliyun-liveportrait 与 python -m py_compile skills/ai/video/aliyun-liveportrait/scripts/prepare_liveportrait_request.py && echo "py_compile_ok" > output/aliyun-liveportrait/validate.txt,通过标准为退出码 0 且生成 validate.txt。

适用场景:需要较长、较简单的播报式人像动画时,LivePortrait 比 EMO 更合适。建议使用清晰、正面、遮挡少的人像,音频干净且以人声为主。paste_back=false 仅输出生成的人脸区域,标准说话头像输出应保持为 true。

限制:仅限中国大陆(北京)区域;需在环境变量中设置 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key;输入图片与音频必须为公网 HTTP/HTTPS URL。应将标准化请求载荷、模板选择与任务轮询快照保存到 output/aliyun-liveportrait/,并记录确切的图片/音频 URL 与动作强度相关参数。其他收费、价格与平台细节暂未提供。