Deep-Live-Cam 实时换脸上手：一张照片接入摄像头，从安装到调帧率全流程

Deep-Live-Cam 实时换脸上手一张照片接入摄像头从安装到调帧率全流程【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-CamDeep-Live-Cam 是一个免费开源的本地换脸工具只需一张源人脸照片就能把摄像头或视频里的人脸实时替换掉不需要训练数据集纯 CPU 也能跑。它适合直播换形象、短视频二创、多人趣味视频这类追求快速出结果的场景对院线级写实质感有硬性要求的影视后期则不在它的能力范围里。界面布局很直观左侧选择源脸和目标右侧是预览窗口点 Live 即可开始。整条流程本地运行画面不经过任何服务器。项目内置了内容过滤检查遇到违规素材会直接拒绝处理这是使用它前需要了解的一条底线。搭一个最小可运行环境先把基础依赖备齐官方手动安装的前提条件很少逐条核对即可Python3.113.14推荐 3.14pip、gitffmpeg处理视频帧离不开它Windows 用户额外需要 Visual Studio 2022 运行库克隆、装依赖、启动三条命令完成部署git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv激活虚拟环境Linux/macOS 用source venv/bin/activateWindows 用venv\Scripts\activate然后安装依赖并启动pip install -r requirements.txt python run.pypip install一行装完所有运行库python run.py是唯一的启动入口图形界面和命令行批处理都从这里分发。模型文件必须原样放进 models/ 目录这是最容易卡住的环节。需要两个模型文件名和后缀一个字符都不能差清单写在 models/instructions.txtinswapper_128_fp16.onnx换脸核心模型GFPGANv1.4.pth面部画质增强模型程序按固定文件名精确匹配改名、下成别的格式、放错目录都会触发找不到模型的报错。首次运行还会自动下载约 300MB 的检测相关模型网络不佳时注意等待。怎么确认环境真的跑通了启动后看两个信号主窗口正常弹出点 Live 后预览窗口约 1030 秒内出现人脸并带有绿色检测框。两条都满足就算部署成功。如果窗口弹出了但预览是黑框九成是摄像头被别的程序占用关掉占用方再试。预览窗口左上角常驻 FPS 读数如图中 15.9右下角有推理耗时这两个数字是后续所有调优判断的依据。三种典型用法按需求挑一种图片/视频模式一条命令出成片不想开图形界面时用-s源脸和-t目标参数即可进入命令行批处理python run.py -s 源图.jpg -t 目标视频.mp4 --keep-audio--keep-audio保留原音轨处理完的成片会保存在以目标视频命名的目录里。影视二创、批量混剪走这条路最省事。摄像头直播模式边拍边换图形界面里选一张源脸、选定摄像头点 Live。预览稳定后用 OBS 这类屏幕采集工具把预览窗口的画面推流出去即可。换人只需要重新选择源图不用重启。多人脸与嘴部蒙版精细化控制画面里有多人、且想让每个人换上不同脸时启用 Many Faces Map Faces命令行对应--many-faces --map-faces源图按顺序与目标人物一一对应避免一张脸覆盖所有人。直播聊天、翻唱这类以说话为主的内容建议勾上 Mouth Mask--mouth-mask。它把嘴部区域排除在替换范围之外保留原始口型避免换脸后唇形和声音对不上的违和感。帧率不足时按这个顺序调调优不要同时动多个参数按收益从高到低逐项来先看 FPS 读数判断瓶颈。预览窗口的 FPS 是最直接的指标对照系统资源占用CPU 打满说明算力不够内存告急则是另一回事。第一步换执行器。这是帧率提升最大的一步。NVIDIA 显卡装好 CUDA 12.8 cuDNN 后启动加--execution-provider cudaWindows 可装onnxruntime-directml用--execution-provider directmlApple Silicon 用--execution-provider coremlIntel 平台用--execution-provider openvino。各执行器的前置依赖细节都在 README 的 GPU Acceleration 一节不建议跳过。第二步关面部增强。增强器face_enhancer对帧率消耗明显。命令行模式下默认管线只跑face_swapper如果你在图形界面勾了 Face Enhancer先取消它再看 FPS 变化确认收益后再决定要不要加回。第三步压资源占用。内存吃紧时用--max-memory限制上限单位 GB默认 16macOS 默认 4线程行为可用--execution-threads控制。注意 CUDA 执行器下线程数并非越多越好程序默认会给 2 个线程先保持默认观察。最后才降分辨率。前面都调完仍不达标再考虑降低预览分辨率画质损失放在最后一步接受。四个高频问题的排查思路启动报找不到模型文件。把inswapper_128_fp16.onnx和GFPGANv1.4.pth按原文件名放进models/目录。原因是程序按文件名精确匹配下载源给错了后缀或文件放进了子目录都会失败。CPU 下又卡又糊。先关面部增强再谈加速增强叠在 CPU 执行上开销成倍增加有条件就切 GPU 执行器顺序反过来收益很小。换出来的脸边界发硬、融合感差。优先换一张正面、光线均匀、清晰度高的人物照。融合蒙版放大的是源图本身的缺陷源图模糊或逆光时再怎么调参数都救不回来。摄像头打不开或黑屏。逐个关闭占用摄像头的软件再检查系统隐私权限里相机是否授权。摄像头是独占设备同一时刻只能有一个进程拿到画面。想深入代码从这三处入手modules/processors/frame/单帧处理管线face_swapper.py负责替换、face_enhancer.py负责增强、core.py定义处理器加载规则。想理解一帧是怎么被处理的或替换管线时看这里。modules/ui.py基于 PySide6 的界面与交互逻辑选项面板、预览窗口、Live 线程都在这里改交互行为前必读。modules/core.py全部命令行参数的定义与默认值包括执行器优先级cuda rocm coreml openvino dml cpu和内存/线程默认策略排查为什么默认行为是这样时查这里。最后提一句合规换脸工具降低的是技术门槛不是责任门槛。只使用本人或已获书面授权的人脸素材公开分享时明确标注内容为 AI 合成。【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