训练管线技术组成
与普通推理整合包不同，EchoHead-Train 提供了完整的算法可塑性支持，开发者可基于自己的专属主播视频训练超高精准度的唇形跟随模型：
📂 自动化数据集管线
集成 echohead/dataset.py，支持输入任意高清视频，自动进行抽帧、关键点提取、人脸对齐裁剪与梅尔频谱对齐生成。
🎯 SyncNet 唇音判别器
自带预训练唇音同步判别网络权重（syncnet_lipsync.pth），提供余弦相似度与对比损失监督，杜绝嘴瓢。
🧠 256×256 高清生成网络
结合 L1 重建损失、感知损失 (Perceptual Loss) 与判别器对抗损失，兼顾微表情细节与牙齿纹理逼真度。
🔄 一键导出 TensorRT 引擎
训练产出的 PyTorch 检查点（.pth）可一键导出为 ONNX，并自动构建成推理端高性能 TensorRT FP16 Plan 文件。
训练环境与脚本执行
内置自动化执行批处理，包含完整的显存优化与断点续训能力：
# 1. 自动化数据预处理与面部特征提取
python echohead/dataset.py --video_dir data/raw_videos --output_dir data/processed
# 2. 启动生成器模型训练 (支持 FP16 混合精度加速)
python scripts/train_generator.py --config configs/train_256.yaml --batch_size 16
# 3. 导出并构建 TensorRT 生产部署引擎
python tools/build_trt_engine.py --weights checkpoints/best_model.pth --fp16