HivisionIDPhotos本地离线生成 AI 证件照5 分钟出第一张【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为什么有人宁可自己电脑跑 AI也不把人脸照片传上云HivisionIDPhotos 是一个本地离线的 AI 证件照工具丢一张随手拍进去拿回标准照、高清透明抠图和带裁剪线的排版照核心推理只要 0.207 秒照片全程不出机器。它是什么会交给你哪些产物它是本地 Gradio 网页应用外加一组可独立调用的 Python 推理接口。与在线证件照服务的差异人脸检测、抠图、合成全部跑在你自己的机器上对比纯本地抠图工具它多出排版打印、美颜与社媒模板。上传一张照片产出三样东西产物用途标准证件照默认 300 DPI可直接送印高清 4 通道透明 PNG反复合成任意底色无需二次抠图六寸排版照一张相纸排 12 张裁剪线已画好时间账从 clone 到第一张证件照全程只有装依赖和拉权重两步需要联网之后完全离线。① 克隆项目、装依赖Python ≥ 3.7官方按 3.10 测试git clone https://gitcode.com/GitHub_Trending/hiv/HivisionIDPhotos cd HivisionIDPhotos pip install -r requirements.txt -r requirements-app.txt拉下代码和两套依赖此时还跑不起来因为缺模型权重。② 拉模型权重python scripts/download_model.py --models all权重统一落到hivision/creator/weights目录。想省流量只拉两个 24.7MB 的小模型modnet_photographic_portrait_matting与hivision_modnet也够日常用。③ 启动python app.py浏览器自动打开本地页面左侧调参数右侧是三个结果区。上传照片、选尺寸和底色即可出图从上传到拿到三张图默认参数下通常不到 1 分钟其中 0.207 秒只是纯推理耗时512×715 图M1 Max 纯 CPU 实测。一张照片的三种用法第一层单张开图把细节修掉换底色只要几秒同一张透明 PNG 反复合成红蓝白灰有预设自定义 HEX 可直接输入纯色、渐变都支持尺寸随你定除一寸、二寸等内置规格外可输入任意像素宽高毫米单位也认送去打印排版功能把 12 张照片排进一张相纸并画好裁剪线支持六寸、五寸、A4、3R、4R 五种相纸出片前轻修美颜参数可调社媒模板把人像放进预设透明区域美式证件照背景也有。第二层批量与服务化API 后端python deploy_api.py启动 FastAPI 服务图片文件或 base64 都能传可附带美颜、dpi 等参数适合批量处理Dockerdocker pull linzeyi/hivision_idphotos后执行docker run -d -p 7860:7860 linzeyi/hivision_idphotos访问 127.0.0.1:7860 即可适合挂服务器或 NAS命令行解耦inference.py把流程拆成抠图、加底色、排版等可组合步骤单步调用也行。第三层嵌入自有系统cURL 与 Python 请求示例都在 docs/api_CN.md 里。社区还衍生出 ComfyUI 工作流、微信小程序、C 版本等形态接入自家业务前可以参考这些现成实现。适合还是劝退装之前看数字适合急着一寸照、又约不上照相馆的人考试报名对背景色、尺寸有硬性要求需要反复换色的人想把本地推理嵌进自家系统、不依赖付费云端接口的开发者。劝退想要自动换正装的路线图上排着尚未落地内存不够 6.2GB 又想顶级精度的birefnet-v1-lite 模型文件只有 224MB实际占内存 6.2GB、单张 7 秒出头。隐私与性能均为实测值所有推理在本地完成照片不出机器默认 MTCNN 人脸检测同为离线模型。MODNet MTCNN 组合内存约 410MB若你有一块 16GB 左右显存的 NVIDIA GPUbirefnet-v1-lite 可 GPU 加速。下次急要证件照把仓库 clone 下来装好依赖5 分钟出第一张最新功能以仓库 README 为准。【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