Deep-Live-Cam 实时换脸上手指南1 张照片、3 次点击约 10 分钟看到第一帧【免费下载链接】Deep-Live-Camreal time face swap and one-click video deepfake with only a single image项目地址: https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam逐帧换脸要等半天、导出再等半天Deep-Live-Cam 主打的就是实时换脸只需 1 张照片把视频、电影甚至摄像头画面里的人脸当场替换掉。普通电脑约 10 分钟装完摄像头模式下 10–30 秒出预览画面你敲完安装命令的时间还没到它跑起来的时间。30 秒搞懂它凭什么能实时Deep-Live-Cam 对每一帧只做三件事先用人脸检测模型找到画面里的脸再用一张源脸照片把身份替换上去表情、姿态、光照都跟原画走最后把结果混合回画面。摄像头模式下这套流程在后台循环跑前面给你开一个实时窗口所以换发生在显示之前而不是导出之后。开工前 60 秒自检我的机器跑得动吗对照下表 6 项1 分钟出结论项目最低能跑推荐流畅操作系统Windows 10 / macOS 11 / 主流 LinuxWindows 11 / macOS 12Python3.113.143.11–3.14 均可内存8GB16GB显卡无CPU 模式可跑NVIDIA RTX 3060 / Apple M 系磁盘空闲10GB依赖 约 300MB 模型20GBFFmpeg已安装且在 PATH 中最新稳定版最低与推荐的差距基本都体现在帧率上CPU 模式跑得动但偏慢GPU 模式才是真·实时。项目自带一段普通 PC 的性能演示先有个心理预期再动手跟着做从零到第一个换脸结果4 个里程碑每个 1 条核心命令 1 个验收点。里程碑 1克隆仓库并建虚拟环境用意是隔离依赖避免这个项目的包污染系统 Python。git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venvWindows 激活用venv\Scripts\activatemacOS / Linux 用source venv/bin/activate。验收点终端提示符前出现(venv)。里程碑 2一条命令装完依赖pip install -r requirements.txt这条命令会把 OpenCV、ONNX Runtime、insightface 人脸库、GUI 框架一次装齐见 requirements.txt。首次运行时程序还会自动下载约 300MB 的换脸与增强模型也可以提前把inswapper_128_fp16.onnx和GFPGANv1.4放进 models/ 文件夹说明在 models/instructions.txt。验收点执行pip show onnxruntime能打印出版本号。里程碑 3GUI 三次点击出第一支换脸视频python run.py在弹出的窗口里① 选源脸照片谁的清晰正脸照就换谁对应-s② 选目标图片或视频对应-t③ 点 Start。验收点输出保存在以目标文件命名的文件夹里打开就能看到换好的脸。想直接试实时效果选源脸 → 选摄像头 → 点 Live等 10–30 秒预览画面就会出现想换人随时重选一张源脸。里程碑 4命令行一键出片习惯终端的话一条命令等价于上面的点击流程python run.py -s face.jpg -t clip.mp4验收点终端进度条走完后目标同名文件夹里生成换脸成片。常用能力开关你想要什么效果就开哪个按想要的效果分组每行一句话够抄即用完整定义见 命令行参数解析。想更自然说话口型不穿帮开关说明典型值--mouth-mask遮罩嘴部保留原口型说话类视频效果最明显开关想一次换多张脸 / 不同人换不同的脸开关说明典型值--many-faces处理画面里每一张脸默认只换 1 张开关--map-faces把不同主体分别映射到不同源脸与--many-faces配合想画质更好、文件更对味开关说明典型值--frame-processor按书写顺序执行处理管线默认只有face_swapper追加face_enhancer/face_enhancer_gpen256/face_enhancer_gpen512--video-encoder输出编码器默认libx264libx265更小/libvpx-vp9--video-quality编码质量 0–51越小越清晰18默认--keep-fps保留原始帧率播放更顺开关--keep-audio保留原音轨默认开启想稳住内存与内容安全开关说明典型值--max-memory内存上限单位 GB8--nsfw-filter不当内容过滤公开发布前建议开着开关把效果调到位按硬件直接抄不用懂原理照抄你那一档档位照抄命令预期够用档纯 CPUpython run.py --execution-provider cpu --execution-threads 8 --max-memory 8片段控制在 1 分钟内720P 足够进阶档NVIDIA 显卡python run.py --execution-provider cuda1080P 舒适区依赖里已含 CUDA 版 ONNX Runtime进阶档Apple Siliconpython run.py --execution-provider coreml官方 onnxruntime 已内置 CoreML零额外安装拉满档Intel / AMD 核显先pip install onnxruntime-openvino1.21.0Intel或pip install onnxruntime-directml1.21.0AMD/Windows再分别用--execution-provider openvino/directml启动比纯 CPU 明显更快分辨率可再往上抬前两档目标跑得动不卡后两档追求更高分辨率 人脸增强高端显卡可顺手加--frame-processor face_swapper face_enhancer。卡住了按症状对号入座看到什么一启动就提示找不到 FFmpeg直接退出。通常是FFmpeg 没装或它的 bin 目录不在 PATH 里。一句话解装好 FFmpeg 并把 bin 目录加入 PATH重开终端后用ffmpeg -version验证。看到什么加了--execution-provider cuda却报 cuDNN / cuBLAS 错误退回 CPU。通常是CUDA 运行时缺失或版本不配套官方验证组合为 CUDA 12.8 cuDNN 8.9.7。一句话解按该组合安装两者把 cuDNN 的 bin 目录加进 PATH 后重启程序。看到什么处理长视频到一半内存飙高、程序卡死。通常是帧与中间结果一直驻留内存。一句话解启动时加--max-memory 8或更小值仍爆就先降分辨率。看到什么点了 Live预览半天不出现。通常是首次要加载并预热约 300MB 模型10–30 秒属正常超过 30 秒还不动查摄像头权限或换一个摄像头索引。一句话解再等等不行就检查系统相机权限设置。下一步往哪里深挖想看参数默认值怎么算线程数、内存上限、后端探测modules/core.py 里的suggest_*系列函数想改画质整条帧处理管线都在 modules/processors/frame/face_swapper.py是换脸本体face_enhancer.py系列是增强器想搞懂脸是怎么被找到的modules/face_analyser.py想手动管理模型下载与校验逻辑modules/model_downloader.py想自己压测管线性能benchmark_pipeline.py【免费下载链接】Deep-Live-Camreal time face swap and one-click video deepfake with only a single image项目地址: https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考