EchoMimic 是一款開源 AI 工具，可以將一張人物圖片轉換為逼真的說話影片。它採用創新的肖像圖像動畫（portrait animation）技術，透過組合音頻信號和面部關鍵點，生成生動自然的視頻。這篇文章會說明它的工作原理，並整理我在 Windows 上安裝與執行的完整步驟。
EchoMimic 是什麼？它如何把照片變成說話影片？
EchoMimic 的核心是「音頻驅動的肖像動畫」：輸入一張靜態人物照與一段語音，模型就會讓照片中的人物開口說話。它的工作原理可以拆成四個步驟：
- 首先，需要將人物圖片和音頻輸入到模型中。
- 模型會提取音頻中的音素，以及人物圖片中的面部關鍵點。
- 然後，模型會利用這些信息生成相應的面部動畫。
- 最後，將生成的面部動畫與原來的圖片合成，得到最終的說話視頻。
例如這樣的圖片：
加上這樣的音檔（echomimic_en.wav）：
可以合成這樣的影片（示範影片 mp4）。
安裝 EchoMimic 前需要準備什麼環境？
事前作業有兩件事：先安裝 CUDA 和 CUDNN（NVIDIA CUDA Toolkit），接著安裝可支援 GPU 的 PyTorch。
要注意的是，PyTorch 所支持的 CUDA 版本有可能無法支持最新的——可以先到官網看目前最新支持到哪個版本的 CUDA。以下圖為例，我們所安裝的 CUDA 版本就不可以高於 CUDA 12.1：
如何下載專案並建立 Conda 環境？
接著下載 EchoMimic 專案，並創建新的 Conda 環境、安裝所需函式庫：
```bash
git clone https://github.com/BadToBest/EchoMimic
cd EchoMimic
conda create -n echomimic python=3.8
conda activate echomimic
pip install -r requirements.txt
```
為什麼還需要安裝 FFmpeg？
EchoMimic 在處理音檔與輸出影片時會用到 FFmpeg。到 FFmpeg 官方建置頁下載（範例下載網址：ffmpeg-git-full.7z），然後將 ffmpeg 的 exe 路徑加入環境變數的 `path` 當中。如果能夠在 CMD 裡輸入 `ffmpeg` 看到版本資訊的回覆，代表安裝成功。
預訓練權重要怎麼下載？
接著下載預訓練權重。權重檔放在 Hugging Face 上，需要先用 `git lfs` 才能完整拉下來：
```bash
git lfs install
git clone https://huggingface.co/BadToBest/EchoMimic pretrained_weights
```
怎麼執行推論、產出影片？
下載完權重後，修改 `configs/prompts` 裡面的 yaml 檔案（指定要使用的人物圖片與音檔），接著執行：
```bash
python -u infer_audio2vid.py
python -u infer_audio2vid_pose.py
```
就可以看見執行的狀態，最終產生的檔案會位於 `output` 資料夾下。
延伸閱讀
- EchoMimic – 人物圖片轉影片的開源模型：同樣聚焦 EchoMimic、肖像動畫，可接著比較不同情境的做法。
- 專門為繁體中文優化過的開源模型整理：Breeze-7B、BLOOM-zh、TAME、TAIDE-LX-7B：同樣聚焦 開源模型，可接著比較不同情境的做法。
- 專門為繁體中文優化過的開源模型：同樣聚焦 開源模型，可接著比較不同情境的做法。
常見問題
EchoMimic 可以用在哪些場景？
最典型的是數位人（digital human）應用：虛擬主播、課程口播、行銷影片等。只要有一張清晰的正向人物照片和一段語音，就能生成對嘴說話的影片，不需要真人重新錄製。
執行 EchoMimic 一定要有 NVIDIA GPU 嗎？
官方流程是以 CUDA + GPU 版 PyTorch 為前提，沒有 NVIDIA 顯卡的話推論會非常慢甚至無法執行。安裝 PyTorch 前務必先確認官方支援的 CUDA 版本上限，避免版本不相容。
為什麼執行時會出現 ffmpeg 相關錯誤？
通常是 FFmpeg 沒有加入環境變數 `path`，導致 Python 找不到執行檔。把 ffmpeg.exe 所在資料夾加入 PATH，重新開啟 CMD 後輸入 `ffmpeg` 確認有版本輸出即可。
產出的影片存放在哪裡？
推論完成後，生成的影片會放在專案的 `output` 資料夾下。要更換測試素材時，修改 `configs/prompts` 內的 yaml 設定檔即可。
參考資料
最後更新
2026-08-28（原文發布於 2024-07-24，本文保留原始筆記內容並補上 GEO 結構。）
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2024-07-24