HivisionIDPhotos完整指南3分钟把普通照片变成可打印的AI证件照【免费下载链接】HivisionIDPhotos⚡️HivisionIDPhotos: a lightweight and efficient AI ID photos tools. 一个轻量级的AI证件照制作算法。项目地址: https://gitcode.com/GitHub_Trending/hiv/HivisionIDPhotosHivisionIDPhotos 是一款开源的 AI 证件照制作工具给它一张普通照片它会自动完成人像抠图、换底色、按尺寸排版最后输出标准照、高清照和六寸排版照全程纯 CPU 离线运行单张照片推理不到 0.3 秒。本文带你从零装好环境到调好参数拿到 300DPI 的成片最后讲清几个最常见的翻车点。HivisionIDPhotos 能做什么它做的事可以用一条流水线概括人脸检测找到脸的位置人像分割模型把人从背景里抠出来然后按你选的规格裁切、换底、美颜、加水印一次生成三组图。具体能力清单多档位抠图模型MODNet、hivision_modnet、rmbg-1.4、birefnet-v1-lite 四选一精度和内存占用依次递增人脸检测默认 MTCNN离线、毫秒级可选 RetinaFace精度更高或 Face 在线 API尺寸模式预设尺寸列表一寸、二寸等、只换背景不改尺寸、自定义像素或毫米尺寸背景处理蓝、白、红纯色或渐变支持 HEX 输入自定义底色还有美式证件照背景排版照六寸、五寸、A4、3R、4R 五种打印排版可开关裁剪线美颜与修正美白、亮度、对比度、锐化、饱和度滑杆人脸旋转对齐水平翻转输出规格默认 300DPIPNG 或 JPEG高清图保留透明通道界面长这样左侧上传照片和调参数右侧直接出标准照、高清照和排版照本地部署完整流程从克隆到出图装环境、下模型10分钟搞定准备阶段一共四步全部命令可直接复制。对 Python 版本的唯一要求是 3.7 以上官方主要在 3.10 上测试Windows、macOS、Linux 都支持。# 1. 克隆仓库 git clone https://gitcode.com/GitHub_Trending/hiv/HivisionIDPhotos cd HivisionIDPhotos # 2. 安装依赖核心依赖 Gradio 界面依赖两份文件都要装 pip install -r requirements.txt pip install -r requirements-app.txt # 3. 下载抠图模型权重存入 hivision/creator/weights/ 目录 python scripts/download_model.py --models all第 3 步会一次性下载四个抠图模型合计约 450MB。如果只想先跑通流程单独下最快的 MODNet 即可python scripts/download_model.py --models modnet_photographic_portrait_matting模型文件就位后整个系统就完全离线的了——不需要显卡不需要联网 APIMTCNN 人脸检测也是本地推理。启动界面生成第一张证件照执行阶段只有一条命令python app.py浏览器打开 http://127.0.0.1:7860 即可。页面顶部的 demo/assets/title.md 控制导航栏文案语言、人脸检测模型、抠图模型三个下拉框默认值就能用普通用户不需要动。界面左侧的操作顺序上传一张正面免冠照片人脸清晰、背景简单抠图边缘最干净选择尺寸模式预设尺寸列表里挑「一寸 (413, 295)」这类规格或切到自定义尺寸用像素/毫米填选背景色和渲染方式纯色或上/中心渐变点「开始制作」右侧三块区域分别给出标准照、高清照和六寸排版照每块都有独立下载按钮。不满意可以调美颜滑杆再点一次二次推理在同一会话里是瞬时的。不想点界面命令行一条命令出图参数见python inference.py --helppython inference.py -i demo/images/test0.jpg -o ./idphoto.png --height 413 --width 295内部处理流程是这样的理解它有助于判断哪些环节可以换更强的模型推理速度参考Mac M1 Max纯 CPU无 GPU 加速| 模型组合 | 内存占用 | 512×715 图耗时 | | -- | -- | -- | | MODNet MTCNN | 410MB | 0.207s | | MODNet RetinaFace | 405MB | 0.571s | | birefnet-v1-lite RetinaFace | 6.20GB | 7.063s |也就是说默认组合下从点按钮到出图基本在「感觉不到等待」的量级。常见坑与注意事项装好跑起来之后真正影响成片质量的反而是这几个细节。启动就报「未找到任何存在的人像分割模型」——这是最常见的第一个报错app.py 会在启动时扫描 hivision/creator/weights/ 目录找不到 .onnx 权重文件直接抛异常退出。回到python scripts/download_model.py --models all补下权重即可。抠图模型按内存选不是越贵越好。MODNet 档位 400MB 内存、0.2 秒出图日常手机照片完全够用birefnet-v1-lite 精度最高但要 6.2GB 内存单张 7 秒左右适合对发丝边缘极挑剔的场景。想用 NVIDIA 显卡加速 birefnet 需要装 onnxruntime-gpu 且预留 16GB 显存普通笔记本不建议折腾。人脸检测决定裁切位置精度不够会「偏头」。MTCNN 默认毫秒级但精度一般证件照这种对头顶留白敏感的场景建议下到 hivision/creator/retinaface/weights/ 目录再切到 RetinaFace追求极致可用 Face 在线 API通过环境变量FACE_PLUS_API_KEY配置说明见 docs/face_CN.md。源照片质量决定上限。侧脸、遮挡口罩、手挡脸、大面积杂乱背景都会让分割和版面计算失准。选一张正面、露耳、背景简单的照片比事后调任何滑杆都有效。想加预设尺寸或底色改 CSV 就生效。尺寸在 demo/assets/size_list_CN.csv列名称、高、宽颜色在 demo/assets/color_list_CN.csv列名称、HEX 值改完重跑python app.py即可不用动任何代码。不只在浏览器里API、Docker 与二次开发当你需要把证件照能力嵌进自己的系统demo/processor.py 里的IDPhotoProcessor就是现成的程序化入口python inference.py -t后面的五种推理类型idphoto、human_matting、add_background、generate_layout_photos、idphoto_crop也都能单独调用比如先抠图存成透明 PNG之后反复换底色不用重新抠。服务化部署有两条路。API 后端直接python deploy_api.py请求示例cURL 和 Python 两种写法在 docs/api_CN.md。容器化则用现成镜像Gradio 界面和 API 各占一个端口docker pull linzeyi/hivision_idphotos docker run -d -p 7860:7860 linzeyi/hivision_idphotos批量使用场景比如给整个部门做工牌照推荐后者。社区生态也值得留意已有 ComfyUI 工作流把抠图接进绘图流程、微信小程序和网页版前端封装、C 移植版本还有 NAS 部署教程具体清单见 README.md 的社区章节二次开发的三个高频入口自定义社交媒体模板照把透明 PNG 放进 hivision/plugin/template/assets/ 并注册锚点坐标、水印字体替换hivision/plugin/font/ 下放字体文件、打印排版尺寸增删demo/locales.py 的print_switch字典。核心算法层在 hivision/creator/人脸检测、分割、版面计算各自独立成文件替换或扩展某一步时不用碰整条链路。【免费下载链接】HivisionIDPhotos⚡️HivisionIDPhotos: a lightweight and efficient AI ID photos tools. 一个轻量级的AI证件照制作算法。项目地址: https://gitcode.com/GitHub_Trending/hiv/HivisionIDPhotos创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考