Deep-Live-Cam 快速上手指南一张照片实时换脸一键替换整段视频【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给一张照片摄像头里的人几秒钟就变成照片里的那个人。Deep-Live-Cam 是一个完全跑在你自己电脑上的本地实时换脸工具不需要服务器也不用上传任何素材适合不想写代码的创作者和玩家。全文按准备 → 实时 → 批处理 → 调优 → 自救的路线走跟着做就能跑起来。一次性准备工作四步装好就能用备好环境。需要 Python 3.113.14官方推荐 3.14、git以及 ffmpeg负责视频编解码。确认版本# 查看 Python 版本3.11 以上即可 python3 --version克隆代码。把仓库拉到本地# 拉取项目代码并进入目录 git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam建虚拟环境装依赖。装进 venv 里不会污染系统里其他 Python 包。依赖清单见 requirements.txt其中 onnxruntime 会按系统自动选版本macOS ARM 装带 CoreML 支持的版本其他平台装 onnxruntime-gpu。# 创建并激活虚拟环境Windows 改执行 venv\Scripts\activate python3 -m venv venv source venv/bin/activate # 安装全部依赖 pip install -r requirements.txt把两个模型文件放进 models/ 目录。效果由两个模型决定inswapper_128_fp16.onnx换脸核心约 380MB和GFPGANv1.4.pth人脸增强。下载地址写在 models/instructions.txt 里下完确认一下# 确认两个模型文件都在且大小正常 ls -lh models/激活虚拟环境后直接启动# 启动程序几秒后弹出图形界面 python run.py怎么算成功界面正常弹出左边能选源人脸照片右边能选目标摄像头或视频。首次启动会自动下载约 300MB 的人脸检测等辅助模型期间保持网络畅通之后选张照片点 Live1030 秒内预览窗口出现换好脸的摄像头画面就算跑通了。实时场景视频通话里变成另一个人这个模式适合人对着镜头、脸实时变的场景视频会议、直播、线下表演或者就是单纯想整点花活。选源人脸。在左侧图片区选一张正脸照程序把它作为目标长相。选目标。右侧点 Select a target 选择要替换的摄像头界面就是下面这张图的样子按 Live。等 1030 秒预览窗口里你的脸就开始实时变化。对外推流。用 OBS 这类工具截取预览窗口把换好脸的画面推出去。三条避坑细节源照片越清晰、越正脸替换越稳糊图会让边缘发虚穿帮想中途换人直接重新选一张源图即可不用重启程序现场光线差时先把摄像头亮度调高再按 Live否则暗部细节全丢预期效果预览画面里说话、表情、动作都跟着你的脸走对方看到的已经是换脸后的画面。 表情中性、光线均匀的正脸照最不容易穿帮别用侧脸或怼脸自拍。批处理场景整段视频逐帧换脸适合把一整部电影或一段素材里的人脸批量替换掉拿到一份成品文件。选源人脸照片再选目标视频文件。保留音轨和帧率。界面里的 Keep audio 和 Keep fps 两个开关保持打开输出的视频才会有声音、不会变得一卡一卡。点 Start程序逐帧检测、替换、写回长视频需要耐心等待。去输出目录取成品。结果保存在一个以目标视频命名的目录里直接找那个文件夹就行。勾选 Face Enhancer 可以还原皮肤细节但每帧都要多跑一步增强模型耗时明显增加。 长视频先剪出 10 秒片段试跑确认效果满意再处理完整版能省大量时间。按设备选速度五种加速方式对照程序通过--execution-provider参数选择计算后端可选值定义在 modules/globals.py 和 modules/core.py 的命令行参数里。你的设备启动命令前置条件NVIDIA 显卡python run.py --execution-provider cuda先装好 CUDA 12.8 和 cuDNN 8.9.7Apple SiliconM 系列芯片python run.py --execution-provider coreml依赖按 requirements.txt 装好即可AMD 显卡Windowspython run.py --execution-provider directml额外安装 onnxruntime-directmlIntel 平台python run.py --execution-provider openvino需与对应版本的 OpenVINO 成对安装普通 CPUpython run.py无需配置默认方式最慢但最稳拿不准就先不加参数用 CPU 跑通全流程确认功能没问题再按上表逐项升级加速。进阶玩法多人脸映射与内存控制多人脸映射。画面里有多个人时可以给他们每人分配不同的脸。在界面打开 Many Faces 和 Map Faces 开关把每张源图指派给指定的人也可以用命令行直接起# 处理画面中所有人脸并开启逐人分配源脸 python run.py -t group.mp4 --many-faces --map-faces效果见下图几个人同时被换成不同的脸几分钟就能拼出一个群像视频限制内存上限。长视频处理时占用内存可能越涨越高提前设个上限更稳# 限制程序最大占用内存为 8GB python run.py --max-memory 8界面里的性能监控面板会实时显示帧率、处理耗时和硬件占用帮你判断该调哪个参数调节输出画质。--video-quality取值 051默认 18 已经够用数值调高更接近原片画质但文件更大、处理更慢。建议先用默认值出片确认流程没问题再调高质量出正式版。卡住了先自查报错 / 现象可能原因解决办法提示 Model not found 或加载失败两个模型文件没放进 models/或下载中断不完整用ls -lh models/核对文件名和大小按 models/instructions.txt 的来源重新下载选了 cuda 却回落到 CPU或报 CUDA 错误onnxruntime-gpu 找不到 CUDA/cuDNN 运行时库依次装好 CUDA 12.8 和 cuDNN 8.9.7再重装 onnxruntime-gpumacOS 报 No module named _tkinter系统 Python 没带图形界面支持包执行brew install python-tk3.14装对应版本Live 画面一顿一顿FPS 掉到个位数在 CPU 上跑或画面里人脸太多启用 GPU 执行后端或减少同时处理的人脸数量处理长视频时内存持续上涨没设内存上限启动时加--max-memory 8如果都没命中去项目仓库的 Issue 区搜索相同报错关键词多数问题已有现成答案。责任使用使用他人面孔前先拿到本人同意。分享成品时明确标注是 AI 深度伪造。不用于欺诈、诽谤等任何非法用途也不处理暴力和其他敏感素材——程序内置的内容检查会拦截这类输入。它是创作工具怎么用取决于你。【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