Deep-Live-Cam 新手指南：一张照片搞定实时换脸与视频深度伪造-港品优选

Deep-Live-Cam 新手指南：一张照片搞定实时换脸与视频深度伪造

【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

Deep-Live-Cam 是一款开源的实时 AI 换脸工具：只需一张人脸照片，就能完成摄像头实时换脸和视频深度伪造。适合主播、视频创作者，以及想快速上手的 AI 爱好者。

🧭 能力速览：一张照片能做什么

核心功能	输入	输出	适用场景
实时摄像头换脸	一张人脸照片 + 摄像头	实时预览窗口，可被 OBS 等工具采集	直播、线上演出、趣味互动
视频/图片换脸	一张人脸照片 + 目标视频或图片	换脸后的视频文件（保存在与目标视频同名的目录中）	影片二创、老片重制、meme 制作
多人脸处理	一张或多张照片 + 含多人目标	同时替换画面中所有人脸	团体照片、多人连麦
口型保留（Mouth Mask）	一个 0–100 的滑块	保留原视频中的嘴部动作	口型同步要求高的内容

Deep-Live-Cam 实时换脸演示：一张照片即可替换目标视频中的人脸

🚀 安装与首次运行：三步跑起来

环境要求：最低 vs 推荐

项目	最低要求	推荐配置
操作系统	Windows 10/11、macOS、Linux 均可	任意主流系统
Python	3.11	3.14（支持 3.11–3.14）
内存	8GB	16GB 或更高
GPU	无，纯 CPU 也能运行	NVIDIA 或 Apple Silicon
其他	ffmpeg（必需）、git	Windows 需装 Visual Studio 2022 运行库

官方也提供免安装的预构建版本。如果你习惯自己动手，按下面的手动流程走。

一键安装步骤

git clone https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam python -m venv venv # Windows 激活：venv\Scripts\activate；macOS/Linux：source venv/bin/activate pip install -r requirements.txt

模型方面，首次启动会自动下载约 300MB 的模型文件。想手动准备的话，把inswapper_128_fp16.onnx（换脸模型）和GFPGANv1.4（面部增强模型）放入models文件夹即可，清单见 models/instructions.txt。

安装完成后运行：

python run.py

窗口打开即安装成功。界面只有四个操作区：选源脸照片、选目标（视频或摄像头）、一组开关、以及 Start / Live / Preview 等按钮。

🎛️ 功能实操：三个小任务

Deep-Live-Cam 操作界面：左侧选源脸与目标，右侧控制开关与操作按钮

任务 1：换掉第一段视频

点 "Select a face" 选一张正面、光线均匀的源脸照片（512×512 以上为佳）。
点 "Select a target" 选目标视频，点Start。

预期效果：处理结束后，在与目标视频同名的目录里生成换脸视频。

任务 2：保留原视频的嘴部动作

打开Mouth Mask开关，把滑块从 0 往上拉。
0 = 使用换脸后的嘴，100 = 从嘴到下巴区域全部保留原视频的嘴部。

预期效果：说话口型与原视频一致，脸部其余部分仍是换上的脸。

启用 Mouth Mask 后，嘴部动作保留原视频，其余部分为换脸结果

任务 3：一次处理多张脸

勾选Many faces：画面中每张脸都会被替换。
勾选Map faces：可按位置把不同源脸映射给不同的人。

预期效果：团体视频里的人脸被同时替换，无需逐人处理。

Many faces 模式：多位主播的人脸被同时替换

🎬 真实场景复现

场景 1：把摄像头变成实时换脸画面

完整流程：

输入：一张源脸照片 + 一台 USB 摄像头。
操作：选照片 → 在界面中选择摄像头 → 点Live。
检查点：等待 10–30 秒，实时预览窗口应出现换脸后的画面。
推流：用 OBS 做窗口采集，把预览窗丢进直播流即可。中途换脸只需重新选一张照片。

实时换脸直播效果：适合娱乐演出与线上互动

场景 2：边播电影边换脸

输入：一部电影的 MP4 文件 + 源脸照片。
操作：选照片 → 选电影文件 → 点Live进入实时处理模式。
检查点：预览画面应接近实时播放，而非逐帧渲染后导出。
预期结果：影片里的人脸实时替换为你选的脸，可边放边看。

实时换脸观影：电影画面中的人脸被实时替换

🛠️ 常见报错对照表

现象	原因	处理
`ModuleNotFoundError`	依赖没装进虚拟环境，或 Python 版本不在 3.11–3.14 区间	删掉 venv 重建，重新`pip install -r requirements.txt`
启动提示模型加载失败	`models`文件夹为空或文件不完整	删除已有模型文件，让首次运行重新自动下载（约 300MB）
纯 CPU 下实时模式卡顿	性能不足或摄像头分辨率过高	降低摄像头分辨率，或按下方说明装 GPU 加速
启动报`onnxruntime`相关错误	装了不匹配的执行提供程序	先`pip uninstall onnxruntime onnxruntime-gpu`再按硬件重装对应版本
macOS 上 GUI 起不来	缺 Python GUI 依赖	用 Homebrew 安装对应的 tkinter/图形库后重建 venv

📐 调优参数：只动这几个就够

参数	作用	推荐值
Mouth Mask 滑块（0–100）	0 用换脸的嘴，100 保留原视频嘴部	口型不同步时从 0 逐步上调
Face Enhancer（下拉框）	面部增强模型，可选 None / GFPGAN / GPEN-256 / GPEN-512	源照片模糊选 GFPGAN；追求速度选 None
`--execution-provider`	计算后端：cpu / cuda / coreml / directml / openvino	按硬件选：NVIDIA 用 cuda，Apple 芯片用 coreml
`--execution-threads`	CPU 执行线程数	等于物理核心数
`--max-memory`	内存上限（GB）	设为总内存减 2–4GB
`--keep-audio`/`--keep-fps`	保留原音轨 / 原帧率	默认保留

GPU 加速安装（NVIDIA 为例，需先装好 CUDA 与 cuDNN）：

pip install onnxruntime-gpu==1.21.0 python run.py --execution-provider cuda

装上 GPU 后端后，实时模式的流畅度会明显好于纯 CPU；性能不够时，降分辨率比调其他参数更立竿见影。

⚖️ 边界与合规

使用真实人物的脸，必须先获得本人同意。
发布换脸内容时，明确标注为 AI 生成的深度伪造。
不得用于诈骗、诽谤或制造误导。
程序内置内容过滤，会拒绝处理不当素材（裸露、血腥、敏感画面等）。
在本地法律允许的范围内使用；项目方不对终端用户行为负责。

📚 生态与资源

README.md：完整安装说明、各平台 GPU 加速配置与命令行参数
models/instructions.txt：两个模型文件的下载清单
modules/ui.py：GUI 源码，modules/processors/frame/face_swapper.py：换脸核心逻辑
locales/：界面多语言文件（含中文）
配套工具：ffmpeg（视频读写必需）、OBS Studio（窗口采集推流）

第一次运行别急着上复杂视频：先拿一张自拍 + 一段 10 秒短视频走通 Start 流程，确认输出目录里的成片没问题，再挑战实时直播模式。

【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

企业官网建设流程全解析