💻 系统与空间
Windows 10 / Windows 11 64 位。安装包约 2.6 GB，装完约需 6 GB 空间（默认装到 D:\XIANGYU，空间不足会自动回退）。
Windows 10 / 11 · 全本地运行 · 适用 v1.8.7 及以上
视频转深度图教程：
视频转深度图教程：
五步把普通视频转成深度图、骨架与点云
这篇教程把「视频转深度图」的完整流程拆成五步：安装启动、导入视频、选择转换模式、调整输出参数、导出成片。 看完你能独立跑通一次转换，知道六种模式该怎么选，也知道慢、糊、检测不到人这些常见问题该怎么处理。
一、开始前：你需要准备什么
深度视频转换器是一个 Windows 桌面工具，装完双击快捷方式就能用，全程在本地跑。 开始前确认下面几件事就行：
🎞️ 一段视频
ffmpeg 能解码的格式基本都支持：mp4、mov、mkv、avi、webm 等。第一次试建议用 10~30 秒、人物清晰的片段。
⚡ 显卡（可选）
有 NVIDIA 独显会自动走 GPU，速度和 CPU 不是一个量级。没有独显也能用 —— 检测不到 CUDA 时自动回退 CPU，功能完全一致，只是慢一些。
🔌 网络（基本不需要）
模型权重随安装包一起装上，转换过程完全离线，视频不会上传到任何服务器。只有打开付款页面时才会用到网络。
试用版说明：功能一个都不少，只有「单段最长处理 10 秒」这一条限制，超过会自动截断并提示，不会报错拒绝。
建议先用 10 秒跑通自己的素材，确认效果再决定要不要激活。
二、完整流程：五步把视频转成深度图
下面五步是一次完整转换的标准流程。第一次用建议先别动参数，直接走一遍默认设置，看到结果再回来调。
1
安装并启动
下载 Windows x64 安装包后双击运行，跟着向导走到底即可 —— Python 运行时、ffmpeg 和全部模型权重都已经打包在里面， 不需要你自己配任何环境。装完双击桌面快捷方式，会自动打开操作界面（本机地址 127.0.0.1，也就是你自己的电脑上跑的一个本地服务）。
💡 安装包支持断点续传，2.6 GB 中途断了不用从头下。
2
导入视频
把视频文件拖到界面中央的拖放区，或者点击选择文件。导入后会显示文件名、时长和分辨率， 确认信息无误再进下一步 —— 分辨率直接决定了后面转换要花多少时间。
💡 手机上拍的「动态照片」看着是 .jpg，其实里面嵌了一段 MP4，先用 ffmpeg 或格式转换工具把它提出来再拖进去。
3
选择转换模式
界面上有六张模式卡片，点一张就选中了： 灰度深度图、人体姿态骨架、深度 + 姿态组合、 面部 478 点云、全部叠加、颜色深度。 六种模式的用途和区别见下一节的对比表。
💡 拿不准就先选「灰度深度图」，这是最通用、也最容易看出效果的一种。
4
调整输出设置（可选）
展开「输出设置」可以看到全部可调参数：处理分辨率、输出帧率、编码器与质量、转换时长、分段时长、起始时间、 中间帧格式、音频码率与声道、深度细节增强。第一次用保持默认即可， 第四节逐项解释了每个参数什么时候该动。
💡 只想转换视频中间某一段时，填「起始时间」+「转换时长」就行，音轨会同步截取。
5
开始转换并导出
点「开始转换」，进度条会实时推进，同时显示当前跑在 GPU 还是 CPU。处理过程中随时可以取消。 完成后直接在页面上预览，满意了下载成片 —— 原声已经自动回填（AAC，码率和声道可调）， 不用再拿剪辑软件对一次音轨。
💡 所有完成过的任务都留在底部历史面板里，服务重启后依然能回看和重新下载。
三、六种转换模式怎么选
同一段视频，六种观感。深度与姿态的中间结果会缓存，所以切换模式不用从头再跑一遍推理。
| 模式 | 输出是什么 | 适合什么场景 |
|---|---|---|
| 🌑 灰度深度图 | 用亮度表示远近的灰度图，越近越亮。官方 Video-Depth-Anything（Small · Apache-2.0）生成，带时序一致性，跨帧不闪烁。 | AI 绘画的 ControlNet 深度控制、3D 参考、景深特效素材 |
| 🦴 人体姿态骨架 | COCO 17 个关键点连成的骨架，叠加在原视频上。 | 动作分析、舞蹈/体育教学、当作深度动作捕捉的素材 |
| 🧬 深度 + 姿态 | 灰度深度图作底，姿态骨架叠在上面。 | 既要空间层次又要看清人物动作 |
| 🧑 面部 478 点云 | MediaPipe FaceLandmarker 提取的 478 个面部关键点，渲染为彩色点云。 | 表情分析、面部驱动参考、细节演示 |
| 🎛️ 全部叠加 | 深度底图 + 姿态骨架 + 面部点云一次叠满。 | 信息量最大的效果图、展示与对比 |
| 🎨 颜色深度 | 按颜色反推深度：KMeans 分析主色调映射为伪深度（黑色恒为 0），也可手写颜色映射 JSON 精确控制。 | 素材本身颜色分层明显、需要按颜色指定远近的场景 |
选不动时的一条经验：要「空间感」选灰度深度图；要「动作」选人体姿态骨架；两个都要选深度 + 姿态；
画面里人脸很大很清楚，再考虑面部 478 点云。
四、输出参数逐项说明
参数不是越多越好。下表按「什么时候才需要动它」排序 —— 标了 ★ 的三个是最常用、也最影响结果和速度的。
| 参数 | 作用 | 什么时候调 |
|---|---|---|
| ★ 处理分辨率 | 送进模型的帧尺寸。深度推理的计算量大致按像素面积增长。 | 提速第一选择。降一档通常能快一倍以上；想要更多细节时反向调高 |
| ★ 编码器与质量 | libx264 / libx265 / libvpx-vp9 三选一，各自有质量档位。 | 文件太大换 x265；要 WebM 换 VP9；画质不够就调高质量档 |
| ★ 转换时长 / 起始时间 | 只处理视频的某一段，音轨同步截取。 | 只想转高潮片段；或先用 10 秒试参数再跑全片 |
| 分段时长 | 把长视频切成几段分别处理。 | 长视频怕中途出问题；试用版每段上限 10 秒 |
| 输出帧率 | 成片的帧率。 | 想再快一点、或源文件帧率过高时可以降 |
| 深度细节增强 | 加强深度图的层次对比。 | 深度图看起来一片糊、远近分不开时 |
| 音频码率与声道 | 回填原声的编码参数，96k~256k，默认 192k。 | 对音质有要求调高；只想看画面调低省体积 |
| 中间帧格式 | 缓存的中间结果是存 PNG 还是 JPG。 | 磁盘紧张选 JPG；要无损中间结果选 PNG |
| 颜色映射 JSON | 手写规则，精确指定每个颜色对应的深度值。 | 只在「颜色深度」模式下用 |
五、深度图的四种显示样式
同一份深度结果，可以用四种方式呈现。看不清层次时，先换样式往往比调参数更快。
灰度
最通用的表达，越亮越近。给 AI 绘图当 ControlNet 深度控制图时一般用这个。
伪彩（Inferno）
热力图配色，层次分辨最清楚，适合人眼判断和截图演示。
肤色渐变
观感更柔和，适合直接当成品素材用。
与原图并排对比
左边原视频右边深度图 —— 判断深度对不对，用这个最直观。
六、提速与实用技巧
⚡ 先降处理分辨率
这是最有效的一档。深度推理量和像素面积成正比，降一档常常直接快一倍以上，而肉眼观感损失有限。
🎯 用 10 秒试参数
调「转换时长」只转 10 秒，快速确认模式、样式、编码器效果，跑通了再转全片。比直接转 3 分钟再返工省得多。
🔁 换模式不重跑
中间结果按「视频指纹 + 处理分辨率」缓存，切模式或换样式时不会重新推理，几秒就能出新版本。想对比多种效果时特别省时间。
🖥️ 确认跑在 GPU 上
任务结果会标注这一趟实际跑在 GPU 还是 CPU。如果一直显示 CPU，先检查 NVIDIA 驱动和 CUDA 环境 —— GPU 和 CPU 的速度差距非常大。
✂️ 长视频分段处理
用「分段时长」把长片切成几段。中途出问题只影响一段，不用从头再来。
🔍 先并排对比再定稿
输出前用「与原图并排对比」的样式扫一遍，能提前发现深度方向不对、人物被背景吞掉这类问题。
七、常见问题
转换速度太慢怎么办？
三个最有效的办法：一是把「处理分辨率」调低，深度推理的计算量按像素面积增长，降一档往往能快一倍以上；二是降低输出帧率；三是确认这一趟跑在 GPU 上 —— 任务结果会标注实际运行设备，如果显示 CPU，说明没有可用的 CUDA 环境。另外先用「转换时长」只转 10 秒试一下参数，跑通了再转全片。
能不能只转换视频中间的某一段？
可以。输出设置里有「起始时间」和「转换时长」两项，填好之后只会处理这一段，音轨也会同步截取，不用先拿剪辑软件裁一遍。
换个模式是不是要重新算一遍？
不用。深度、姿态、面部关键点会按「视频指纹 + 处理分辨率」缓存中间结果，所以切到另一种模式、或者换一种深度显示样式时，不需要从头再推理一遍，几秒就能出新版成片。
输出的视频文件太大怎么办？
优先换编码器：libx265 在同画质下通常明显小于 libx264，libvpx-vp9 适合 WebM 场景。其次调低质量档位、降低输出帧率，或者降低处理分辨率。
人体骨架检测不到人怎么办？
姿态模型是 COCO 关键点检测，对人物在画面里的占比比较敏感。建议让人物占画面比例更大一些、光线充足、避免大面积遮挡和极端侧背角度；太小的远景人物检测率会明显下降。
面部 478 点云出不来怎么办？
面部关键点需要人脸清晰可见且占画面足够大，正脸效果最好。戴口罩、用手遮挡、侧脸角度过大或画面太暗都会影响检出。换一段人脸更清楚的素材通常就能出结果。
深度图看起来一片糊、层次不明显怎么办？
先换显示样式看看：伪彩（Inferno）和肤色渐变比纯灰度更容易分辨层次。其次可以调整「深度细节增强」参数，也可以提高处理分辨率让模型拿到更多细节。另外「与原图并排对比」的样式很适合判断深度是否正确。
试用版 10 秒限制怎么解除？
购买授权后在软件里点「授权」粘贴激活码即可，¥19.9 永久买断，无订阅。激活码会在付款完成页直接显示，请当场复制保存；激活本身是离线验签，不需要联网。
还有别的疑问？安装、激活、转换效果的任何问题，都可以直接邮件找作者，一般 24 小时内回复：
lu-ying-zhi@foxmail.com
下一步
下载深度视频转换器，跟着教程跑一遍
安装包约 2.6 GB，模型权重已内置，装完即可离线使用。 试用版全部功能都能用，只是单段最长 10 秒 —— 正好够把这篇教程走一遍。