在数字内容创作领域，人像动画技术正经历从静态到动态的革命性突破。快手科技联合中科大、复旦大学等机构推出的
LivePortrait，以创新的
隐式关键点框架（implicit-keypoint-based framework）为核心，打造了兼具高效性、可控性与泛化能力的人像动画生成方案。其官网（
https://liveportrait.github.io/）公开的技术细节与演示成果显示，该框架不仅突破了传统扩散模型的计算瓶颈，更通过 ** 缝合（Stitching）
与重定向控制（Retargeting Control）** 模块，实现了从单张静态图像生成逼真动态视频的跨越式升级。
极速生成，颠覆传统效率
LivePortrait 基于6900 万高质量训练帧与混合图像 – 视频训练策略，在 RTX 4090 GPU 上实现12.8ms / 帧的推理速度，较主流扩散模型提速数十倍。这一特性使其在短视频创作、虚拟人驱动等实时场景中具备显著落地优势。
精细控制，解锁动画自由度
- 缝合模块（Stitching Module）：支持多人像无缝拼接动画，消除多主体交互时的视觉割裂感，适用于群体肖像动态化场景。
- 重定向控制（Retargeting Control）：通过轻量级 MLP 网络，实现眼部开合程度与唇部张合幅度的标量控制，用户可基于单一参数精准调节表情细节，例如从 “微笑” 到 “大笑” 的平滑过渡。
跨风格泛化，突破内容边界
无论是写实人像、油画、雕塑还是 3D 渲染风格，LivePortrait 均能实现动态迁移。更值得关注的是，通过动物数据微调，该框架可驱动猫、狗、熊猫等动物图像，展现出对非人类主体的强大适配能力。
区别于依赖大规模扩散模型的传统方案，LivePortrait 构建了两阶段训练架构：
- 第一阶段（基础模型训练）：通过外观提取器（Appearance Extractor）、运动提取器（Motion Extractor）与变形模块（Warping Module）的协同优化，实现从驱动视频到目标图像的运动迁移。
- 第二阶段（控制模块训练）：冻结基础模型参数，单独优化缝合与重定向模块，以近乎零计算开销（negligible computational overhead）增强可控性。
其核心技术亮点在于 ** 紧凑隐式关键点（Compact Implicit Keypoints）** 的设计 —— 通过编码面部表情与头部姿态的混合形状（Blendshapes），在保证精度的同时大幅降低计算复杂度。实验数据显示，该框架在定量指标（如面部关键点误差）与定性效果（如表情自然度）上均超越同类扩散模型。
LivePortrait 的技术特性使其在多领域具备落地潜力：
- 内容创作：单图生成短视频，降低虚拟人动画制作门槛；
- 影视特效：支持跨风格动态化，助力复古肖像、艺术作品的影视化改编；
- 互动娱乐：实时表情控制适用于直播虚拟形象、游戏 NPC 动态交互；
- 科研与教育：为心理学表情研究、数字文物活化提供技术支撑。
目前，LivePortrait 的
推理代码与预训练模型已开源至 GitHub（
https://github.com/KwaiVGI/LivePortrait），并提供在线演示（Online Demo）供用户体验。论文《LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control》已发布于 arXiv（arXiv:2407.03168），详细技术细节可参考原文。
LivePortrait：重新定义人像动画的未来
作为隐式关键点框架的集大成者，LivePortrait 以 “效率 + 控制” 为双引擎，为静态图像注入动态生命力。无论是专业创作者还是技术开发者，均可通过这一工具解锁无限创意可能。随着多模态数据与算力的持续进化，该框架有望推动数字人像领域从 “逼真模拟” 迈向 “智能创作” 的全新阶段。
LivePortrait
