企业官网建设流程全解析

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

1. 备好环境。需要 Python 3.11～3.14（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

2. 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

3. 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

4. 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 Live，10～30 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。

1. 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"。

2. 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：

3. 按 Live。等 10～30 秒，预览窗口里你的脸就开始实时变化。

4. 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。

1. 选源人脸照片，再选目标视频文件。
2. 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。
3. 点 Start，程序逐帧检测、替换、写回，长视频需要耐心等待。
4. 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。

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 0～51，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

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