由 AI 生成的文章摘要

博主分享了一种零成本创建虚拟形象直播的完整方案。该方案结合EasyVtuber和Stable Diffusion两大开源工具，详细介绍了从模型部署到实际应用的全流程：1. 技术组合说明：使用Stable Diffusion生成原创虚拟形象，配合EasyVtuber实现面部捕捉和动态效果，可达到类似Live2D的直播效果2. 部署指南： - Stable Diffusion Webui Forge的安装与优化配置 - SDXL模型的选择与部署 - EasyVtuber的安装与常见问题解决方法 - 配套工具链（OpenSeeFace/Spout2插件）的配置说明3. 操作流程： - 通过特定Prompt生成透明背景的虚拟形象 - 图像后期处理要求 - EasyVtuber与面部捕捉工具的联动设置 - OBS直播场景的最终集成方案4. 注意事项：方案对硬件性能要求较高，建议配备高性能显卡。文中针对NVIDIA用户提供了TensorRT模型构建的优化建议，并对比了不同面部捕捉方案的优劣。

一种基于 EasyVtuber 和 Stable Diffusion 的零成本虚拟形象直播方案

TL;DR: 本文描述了一种基于 EasyVtuber 和 Stable Diffusion 项目的零成本虚拟形象直播方案，允许您使用 Stable Diffustion 从零创建您自己的二维虚拟形象，并籍由 EasyVtuber 的 AI 模型令您的虚拟形象“动起来”，以达到媲美 Live2D 模型的效果。

前言

我一直很想整个 Live2D 模型拿来直播，奈何囊中羞涩，因此只得另辟蹊径。网上搜寻了类似 PNGTuber 之类的方案后，依然觉得不够满意。结果前些天和朋友聊起此事，被推荐了 EasyVtuber，经过一番倒腾后，完美满足了我的需求，本文则作为教程介绍如何使用 EasyVtuber 配合 Stable Diffusion 零成本创建自己的虚拟形象进行直播。

当然要注意的是，此方案对计算机性能要求不低（因为需要 AI 模型实时计算绘图），拿来做游戏直播之类的可能需要你有一张强劲的显卡。

准备工作

部署 Stable Diffusion

安装 Stable Diffusion Webui Forge

首先，需要部署 Stable Diffusion 以帮助我们生成我们自己的 OC 形象。如果你使用外部平台生成 OC 形象，则可以直接跳到下一节。

为此，请前往 lllyasviel/stable-diffusion-webui-forge，然后在 README 的 Installing Forge 一节中点击 >>> Click Here to Download One-Click Package (CUDA 12.1 + Pytorch 2.3.1) <<< 以下载 Stable Diffusion Webui Forge（Stable Diffusion Webui 的一个下游分支，提供了很多常用的工具和性能优化）一键部署包。

随后，请解压此压缩包，然后运行 update.bat 以应用更新，随后运行 run.bat 以启动 Stable Diffusion Webui Forge。

当然，如果您希望手动安装，您也可以直接使用 Git clone 该仓库，并运行 webui-user.bat（需要 Python 环境）。

如果您的控制台提示 Running on local URL: http://127.0.0.1:7860且电脑自动打开了浏览器，则证明 Stable Diffusion 启动成功，可以正常使用。

Stable Diffusion Webui Forge 性能优化（高级）

如果您正在使用 NVIDIA CPU，则可以设置 webui-user.bat 的以下部分，添加命令行参数：

set COMMANDLINE_ARGS=--cuda-stream --pin-shared-memory --cuda-malloc

可以提升您的图像生成速度。

部署 SDXL 模型

接下来，您还需要为 Stable Diffusion Webui Forge 部署模型，以令其可用于生成图像。为此，您可以在诸如 Civital 这样的网站上搜寻您喜欢的模型。为了确保生成质量，（在您计算机性能足够的前提下）请尽量选用 SDXL 系列模型。

本例中使用了 WAI-NSFW-illustrious-SDXL 进行生成。

一旦您下载您心仪的模型，即可将模型文件放入 models/Stable-diffusion 目录（一键部署包的路径应为 webui/models/Stable-diffusion，点击 webui 页面左上角的刷新按钮（或是直接重启 Stable Diffusion Webui Forge），即可看到新安装的模型并选中。

部署 EasyVtuber

安装 EasyVtuber

接下来，需要部署 EasyVtuber 用于计算图像并输出结果。为此，请前往 yuyuyzl/EasyVtuber，然后在 README 的 整合包版本 一节中点击夸克网盘或谷歌网盘以下载 EasyVtuber 一键部署包。

随后，请解压此压缩包，运行 02A.启动器.bat 以启动 EasyVtuber。

同样，如果您希望手动安装，您也可以直接使用 Git clone 该仓库，然后遵照 README 的部署要求进行部署（需要 Conda 环境）。

如果您看到了您的电脑弹出了名为 EasyVtuber Launcher 的窗口，则证明 EasyVtuber 启动成功，可以正常使用。

错误：Message type "mediapipe.CalculatorOptions" has no field named "ext".

如果您在使用 EasyVtuber 时遇到了此报错，请手动运行 pip install protobuf==3.20.1，更换 protobuf 版本即可解决。

安装 Spout 2 OBS 插件（如果希望推流到 OBS 场景）

EasyVtuber 支持将计算生成的模型推流到 OBS 场景中，为此，需要安装一个名为 Spout2 的 OBS 插件。请前往 Off-World-Live/obs-spout2-plugin 发布页，下载 win-spout-1.9.0-windows-x64.zip，并将该压缩包解压到 C:\ProgramData\obs-studio\plugins 目录中以安装。

随后，应当可以在 OBS 场景中添加 Spout2 捕获 源，所有设置保持默认即可。

安装 OpenSeeFace

OpenSeeFace 为 EasyVtuber 提供了脸部变化输入支持，此方案是 EasyVtuber 唯一支持的 PC 端输入方案。要安装 OpenSeeFace，请前往 emilianavt/OpenSeeFace 发布页，下载 OpenSeeFace-v1.20.4.zip 并解压，运行 run.bat，并按照提示选择摄像头、分辨率、帧率。如果您看到了您的电脑弹出了可以正常识别您脸部特征的窗口，则证明 OpenSeeFace 启动成功，可以正常使用。

（Tips：你也可遵照 EasyVtuber README 中的要求，使用 --model 4 参数以支持模型的眨眼功能）

安装 iFacialMocap（付费、仅限 iPhone 用户，和 OpenSeeFace 二选一即可）

目前最推荐的方案，使用苹果结构光硬件，捕捉效果追踪准确度都最好，demo中使用了此输入。

请自行遵照 EasyVtuber README 中的要求安装，并在 EasyVtuber Launcher 中选择其作为 Input Device 即可。

构建 TensorRT 模型（仅限 NVIDIA 显卡用户）

前往 EasyVtuber 安装目录，运行 02.构建TensorRT模型（N卡使用）.bat，等待模型构建。此过程只需要进行一次，但需要近半小时的时间进行构建，过程中控制台可能不会有显著的提示，请仔细等待，直到进度条完成。

正式开始

生成 OC 形象

首先，需要使用 Stable Diffusion 生成我们自己的 OC 形象，为此，请启动 Stable Diffusion Webui Forge，输入 Prompt，点击 Generate 进行生成（SDXL 模型推荐输出分辨率 768*1366，其余配置因模型而不同，请参照模型发布页的要求进行调整）。

由于 EasyVtuber 要求我们生成的图片必须是无背景的正身像，因此，可添加如下 Prompt 以保证生成质量：

transparent background, standing, full body, arms at sides, looking at viewer, straight-on, portrait

如需添加其他 Prompt，推荐可参照 danbooru 提供的标签名称输入。

生成完成后，你将获得一个类似这样的图像：

接下来，使用您所熟悉的图像处理软件去除纯色背景即可（例如 Photoshop 就支持一键去除背景）。

最后，将修改好的图片放入 EasyVtuber 的 data/images 目录中即可。

启动 EasyVtuber 和 OpenSeeFace

接下来，请启动 EasyVtuber 和 OpenSeeFace，并在 EasyVtuber Launcher 中选择刚才添加的角色图片，设置 Input Device 为 OpenSeeFace，选择输出目标为 Spout2（也可选择 Debug Output 以预览），启用 TensorRT（如果已构建），并根据生成的图片是半身（half）还是全身（full）选择对应的超分和补帧模型。最后点击 Save & Launch 以启动。

随后，启动 OBS，如果你已经正确配置 Spout 2 捕获源，那么此时你应该就可以正常看到你的 OC 栩栩如生的展现在你的面前了！