3步走离线做证件照免费AI证件照工具HivisionIDPhotos实战【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周一要交报名照手头的照片却是奶茶店门口的自拍。开源项目 HivisionIDPhotos 专门处理这种场景传入一张随手拍的普通照片它会把人从背景里分离出来、调整头身比例、换上标准底色输出一张可打印的证件照全程离线纯 CPU 就能跑。 从零到出图三步装完跑起来第一步拿代码git clone https://gitcode.com/GitHub_Trending/hiv/HivisionIDPhotos cd HivisionIDPhotos第二步装依赖、下模型环境要求 Python 3.7 及以上官方在 3.10 上测试依赖很轻主要是 OpenCV 和 ONNX Runtimepip install -r requirements.txt pip install -r requirements-app.txt python scripts/download_model.py --models all脚本会把抠图模型权重统一放进hivision/creator/weights目录。默认的 MODNet MTCNN 组合完全走 CPU 推理不需要任何 GPU。第三步出图python app.py浏览器打开 http://127.0.0.1:7860 就能用图形界面操作不想开界面也可以直接用命令行入口inference.py传入输入图片路径和--height、--width目标尺寸即可。内部四道工序从生图到成照项目自带几张测试照片demo/images/下的图可以直接拿来试第一道把人和背景分开这就是抠图——按像素把人从原始背景里切出来得到一张带透明通道的 PNG。项目内置了 4 个可选模型MODNet24.7MBCPU 上飞快、针对纯色换底调优的 hivision_modnet、rmbg-1.4以及分割精度最高但体积最大的 birefnet-v1-lite224MB。具体逻辑在 人像分离的实现 里。第二道定位人脸顺手查一下有没有歪证件照要求人脸居中且占比达标。默认用 MTCNNCPU 上毫秒级精度要求高时换 RetinaFace对准确性更苛刻的场景还能接 Face 的云端检测。人脸倾斜时可通过face_alignment参数旋转回正检测器实现在 face_detector.py 中。第三道裁出标准画幅检测完成之后裁剪框由三个参数决定期望的人脸面积占全图比例、人脸中心所处的纵向位置、头顶距离画布顶端的允许区间。这套裁剪算法在 photo_adjuster.py三项数值都可以按需覆盖方便贴合不同机构的具体要求。第四道换底色再收一遍妆裁好的透明图与目标背景色合成之后走一遍美颜管线美白、磨皮、瘦脸、亮度和对比度全部强度可调、可不开避免处理过头失真代码位于 hivision/plugin/beauty/。最终同时产出标准尺寸证件照和一张高清透明底 PNG。三种角色各选一个入口只想要结果的用 Gradio 界面。上传照片、挑尺寸和底色、点生成一步到位。界面上还有打印排版页签支持五寸、六寸、A4、3R、4R 五种排版输出。想接进自己系统的开发者核心类是IDCreator一行实例化后把 OpenCV 读入的图像传进去creator(image, size(413, 295))就能拿到标准图和高清图两个结果。类上暴露了before_all、after_matting、after_detect、after_all四个钩子想替换抠图或检测步骤替换对应的 handler 即可不必动主流程。要把服务跑起来的运维官方镜像linzeyi/hivision_idphotos支持三种启动姿势——docker run -d -p 7860:7860起 Web 界面-p 8080:8080加python3 deploy_api.py起 API 后端docker compose up -d两个一起起。环境变量可以注入 Face 的密钥、设置RUN_MODEbeast野兽模式模型常驻内存换取更快的二次推理建议 16GB 以上内存。API 的请求格式和示例见 API 文档。不同模型组合的实测差异以下数据来自 Mac M1 Max、纯 CPU 无加速的测试| 抠图 人脸检测 | 内存占用 | 512×715 输入 | 764×1146 输入 | | -- | -- | -- | -- | | MODNet MTCNN | 410MB | 0.207s | 0.246s | | MODNet RetinaFace | 405MB | 0.571s | 0.971s | | BiRefNet RetinaFace | 6.20GB | 7.063s | 7.128s |怎么选日常使用默认 MODNet MTCNN 即可单张亚秒级觉得发丝边缘不够干净时把抠图换成 birefnet-v1-lite有 16GB 左右显存的机器再装 onnxruntime-gpu 让 BiRefNet 走 GPU 加速内存紧张的机器不建议硬上大图。 用得顺手再折腾加尺寸往demo/assets/size_list_CN.csv里追加一行名称、高、宽重启app.py生效换背景色同目录的color_list_CN.csv里改 HEX 值加社交媒体模板照把四通道透明 PNG 放进hivision/plugin/template/assets/并在template_config.json里登记透明区域四个锚点坐标改打印排版编辑demo/locales.py中的print_switch字典。两个容易踩的坑birefnet 的 onnx 权重下载后要重命名为birefnet-v1-lite.onnx再放入 weights 目录忘了改名会直接找不到模型RetinaFace 的权重有独立目录hivision/creator/retinaface/weights和通用 weights 目录不通用放错位置等于没装。社区侧也有不少扩展ComfyUI 工作流、微信小程序原生与 uniapp 两版、浏览器 Web 版、C 移植、Windows 桌面端以及群晖 NAS 部署教程都可以按各自形态取用。适合谁HivisionIDPhotos 采用 Apache-2.0 协议适合两类人急着交一张合规证件照的个人用户以及想把证件照能力接进自有产品、且不想依赖云端服务的开发者。入口就是开头的克隆地址和官方 Docker 镜像模型文件一次下载后全程离线可用。【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 3步走离线做证件照：免费AI证件照工具HivisionIDPhotos实战
3步走离线做证件照免费AI证件照工具HivisionIDPhotos实战【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周一要交报名照手头的照片却是奶茶店门口的自拍。开源项目 HivisionIDPhotos 专门处理这种场景传入一张随手拍的普通照片它会把人从背景里分离出来、调整头身比例、换上标准底色输出一张可打印的证件照全程离线纯 CPU 就能跑。 从零到出图三步装完跑起来第一步拿代码git clone https://gitcode.com/GitHub_Trending/hiv/HivisionIDPhotos cd HivisionIDPhotos第二步装依赖、下模型环境要求 Python 3.7 及以上官方在 3.10 上测试依赖很轻主要是 OpenCV 和 ONNX Runtimepip install -r requirements.txt pip install -r requirements-app.txt python scripts/download_model.py --models all脚本会把抠图模型权重统一放进hivision/creator/weights目录。默认的 MODNet MTCNN 组合完全走 CPU 推理不需要任何 GPU。第三步出图python app.py浏览器打开 http://127.0.0.1:7860 就能用图形界面操作不想开界面也可以直接用命令行入口inference.py传入输入图片路径和--height、--width目标尺寸即可。内部四道工序从生图到成照项目自带几张测试照片demo/images/下的图可以直接拿来试第一道把人和背景分开这就是抠图——按像素把人从原始背景里切出来得到一张带透明通道的 PNG。项目内置了 4 个可选模型MODNet24.7MBCPU 上飞快、针对纯色换底调优的 hivision_modnet、rmbg-1.4以及分割精度最高但体积最大的 birefnet-v1-lite224MB。具体逻辑在 人像分离的实现 里。第二道定位人脸顺手查一下有没有歪证件照要求人脸居中且占比达标。默认用 MTCNNCPU 上毫秒级精度要求高时换 RetinaFace对准确性更苛刻的场景还能接 Face 的云端检测。人脸倾斜时可通过face_alignment参数旋转回正检测器实现在 face_detector.py 中。第三道裁出标准画幅检测完成之后裁剪框由三个参数决定期望的人脸面积占全图比例、人脸中心所处的纵向位置、头顶距离画布顶端的允许区间。这套裁剪算法在 photo_adjuster.py三项数值都可以按需覆盖方便贴合不同机构的具体要求。第四道换底色再收一遍妆裁好的透明图与目标背景色合成之后走一遍美颜管线美白、磨皮、瘦脸、亮度和对比度全部强度可调、可不开避免处理过头失真代码位于 hivision/plugin/beauty/。最终同时产出标准尺寸证件照和一张高清透明底 PNG。三种角色各选一个入口只想要结果的用 Gradio 界面。上传照片、挑尺寸和底色、点生成一步到位。界面上还有打印排版页签支持五寸、六寸、A4、3R、4R 五种排版输出。想接进自己系统的开发者核心类是IDCreator一行实例化后把 OpenCV 读入的图像传进去creator(image, size(413, 295))就能拿到标准图和高清图两个结果。类上暴露了before_all、after_matting、after_detect、after_all四个钩子想替换抠图或检测步骤替换对应的 handler 即可不必动主流程。要把服务跑起来的运维官方镜像linzeyi/hivision_idphotos支持三种启动姿势——docker run -d -p 7860:7860起 Web 界面-p 8080:8080加python3 deploy_api.py起 API 后端docker compose up -d两个一起起。环境变量可以注入 Face 的密钥、设置RUN_MODEbeast野兽模式模型常驻内存换取更快的二次推理建议 16GB 以上内存。API 的请求格式和示例见 API 文档。不同模型组合的实测差异以下数据来自 Mac M1 Max、纯 CPU 无加速的测试| 抠图 人脸检测 | 内存占用 | 512×715 输入 | 764×1146 输入 | | -- | -- | -- | -- | | MODNet MTCNN | 410MB | 0.207s | 0.246s | | MODNet RetinaFace | 405MB | 0.571s | 0.971s | | BiRefNet RetinaFace | 6.20GB | 7.063s | 7.128s |怎么选日常使用默认 MODNet MTCNN 即可单张亚秒级觉得发丝边缘不够干净时把抠图换成 birefnet-v1-lite有 16GB 左右显存的机器再装 onnxruntime-gpu 让 BiRefNet 走 GPU 加速内存紧张的机器不建议硬上大图。 用得顺手再折腾加尺寸往demo/assets/size_list_CN.csv里追加一行名称、高、宽重启app.py生效换背景色同目录的color_list_CN.csv里改 HEX 值加社交媒体模板照把四通道透明 PNG 放进hivision/plugin/template/assets/并在template_config.json里登记透明区域四个锚点坐标改打印排版编辑demo/locales.py中的print_switch字典。两个容易踩的坑birefnet 的 onnx 权重下载后要重命名为birefnet-v1-lite.onnx再放入 weights 目录忘了改名会直接找不到模型RetinaFace 的权重有独立目录hivision/creator/retinaface/weights和通用 weights 目录不通用放错位置等于没装。社区侧也有不少扩展ComfyUI 工作流、微信小程序原生与 uniapp 两版、浏览器 Web 版、C 移植、Windows 桌面端以及群晖 NAS 部署教程都可以按各自形态取用。适合谁HivisionIDPhotos 采用 Apache-2.0 协议适合两类人急着交一张合规证件照的个人用户以及想把证件照能力接进自有产品、且不想依赖云端服务的开发者。入口就是开头的克隆地址和官方 Docker 镜像模型文件一次下载后全程离线可用。【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