如何在Ubuntu部署GeneFace++

下面给你一份在 Ubuntu 上部署 GeneFace++ 的实用指南（基于官方仓库实践和常见坑点整理）。GeneFace++ 主要用于 音频驱动的说话人脸视频生成。

一、环境准备

1. 系统要求

• Ubuntu 20.04 / 22.04（推荐）
• NVIDIA 显卡（RTX 20/30/40 系列均可）
• 驱动已安装（≥ 525 推荐）

检查驱动：

nvidia-smi

2. 安装基础依赖

sudo apt update
sudo apt install -y git ffmpeg build-essential

二、创建 Python 环境（推荐 Conda）

conda create -n genefacepp python=3.9 -y
conda activate genefacepp

三、克隆 GeneFace++ 仓库

git clone https://github.com/yerfor/GeneFacePlusPlus.git
cd GeneFacePlusPlus

四、安装 PyTorch（根据你的 CUDA 版本）

例如 CUDA 11.8：

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

五、安装项目依赖

pip install -r requirements.txt

⚠️ 常见问题：

• face_alignment 可能编译失败 → 使用预编译版本
• opencv 与 ffmpeg 冲突 → 用 conda 安装 opencv

pip install opencv-python-headless

六、下载预训练模型

GeneFace++ 需要以下模型：

1. 官方模型（必需）

从 README 或 HuggingFace 下载：

• autoregressive.pth
• latent_diffusion.pth
• hifigan.pth
• face_parser.pth

放入：

checkpoints/

2. 示例数据（可选）

bash scripts/download_sample_data.sh

七、准备输入数据

1. 音频文件

• 格式：.wav
• 采样率：16000 Hz

2. 参考视频 / 图像

• 正面清晰人脸
• 建议 5–10 秒视频

八、运行推理（核心步骤）

示例命令

python inference.py \
--a audio.wav \
--r reference.mp4 \
--o output.mp4

或使用官方脚本：

bash scripts/infer.sh

九、常见问题排查

1. CUDA OOM

• 降低 --batch_size
• 使用更短音频

2. 人脸检测失败

• 确保正脸、光线充足
• 使用 face_alignment 重跑预处理

3. 音画不同步

• 检查音频采样率
• 使用 ffmpeg 重新编码

ffmpeg -i input.wav -ar 16000 output.wav

十、部署为服务（可选）

可用：

• FastAPI + GPU 推理
• Docker 封装（推荐生产）

十一、参考资源

• 官方仓库：https://github.com/yerfor/GeneFacePlusPlus
• 论文：GeneFace++ (arXiv)
• Demo 视频：项目 README

如果你愿意，我可以：

• 给你一份 Docker 部署方案
• 帮你 适配中文语音
• 或帮你 接入 WebUI / API

直接告诉我你的使用场景即可。