企业官网建设流程全解析

Deep-Live-Cam：3步跑通实时AI换脸

【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 是一个开源的实时 AI 换脸工具：用一张静态照片作为源人脸，即可在摄像头画面或视频文件上逐帧替换人脸，全部在本机完成推理，素材不出机器。它基于 ONNX Runtime 做推理（ONNX 是一种跨平台的模型运行格式），支持 CPU、NVIDIA、Apple Silicon、AMD、Intel 等多种硬件，首次启动会自动下载约 300MB 的模型文件。

实时换脸的三种玩法：直播、视频与多人脸

工具启动后是一个图形界面（GUI），所有功能围绕三种模式组织，全部是逐帧实时处理：

• 摄像头模式（Live）：选一张源脸照片，点 Live，摄像头画面里的人脸会被实时替换。配合 OBS 等录屏工具就能用于直播或视频会议。首次出现预览需要 10~30 秒加载模型。
• 视频/图片模式：指定一张源脸照片加一个目标视频文件，输出换脸后的新视频，保存到一个与目标视频同名的目录里。
• 多人脸与人脸映射：--many-faces处理画面中所有人脸；--map-faces则手动指定"哪张源脸对应画面里的哪个人"，适合给群像镜头逐人换脸。

还有一个实用的开关是--mouth-mask（嘴部保留）：换脸时保留目标画面里原来的嘴部区域，口型动作与原始视频一致，避免换过的嘴部出现"对不上话"的违和感。代价是嘴部表情不再来自源脸，这是一个明确的效果取舍。

从 0 到 1 跑通：安装、模型与启动

安装依赖

前置条件：Python（3.11~3.14，推荐 3.14）、pip、git，系统里要有 ffmpeg。手动安装有一定技术门槛，官方也提供预编译的 Quickstart 包，嫌麻烦可以跳过本节的 venv 流程。

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

macOS Apple Silicon 用户需要额外装 GUI 依赖：brew install python-tk，并用python3.14而不是python来运行。

放入模型文件

需要两个模型，放进 models 目录：

• inswapper_128_fp16.onnx—— 换脸核心模型
• GFPGANv1.4.onnx—— 人脸细节增强模型（可选，不用可省略）

不手动下载也可以：首次运行python run.py时程序会自动拉取模型（约 300MB），有网即可。

首次运行与关键启动参数

# GUI 模式：选照片 → 选摄像头/视频 → 点 Live 或 Start python run.py # CLI 模式：带 -s/--source 参数时自动进入命令行处理 python run.py -s source.jpg -t target.mp4 -o output.mp4

常用参数：

按硬件选择执行后端（execution provider），决定推理跑在哪个芯片上：

CPU 模式在典型场景下帧率有限，能跑但谈不上流畅；追求实时体验建议优先配置 GPU 后端。

效果来源与适用边界：什么时候好用、什么时候别用

效果的来源：128 像素换脸加可选增强

换脸的核心模型inswapper_128把检测到的脸裁剪、对齐成 128×128 再换回来，所以正脸、光线均匀的中近景效果最好。如果画面里的人侧脸角度大、被遮挡或分辨率很低，检测本身就可能不稳定。面部细节不足时，追加--frame-processor face_enhancer（GFPGAN）或用 GPEN-256/GPEN-512 可以补细节，但每多一级处理，单帧耗时就增加。注意一个常见误解：这个工具没有基于音频的口型驱动，嘴部要么完整替换成源脸的嘴，要么用--mouth-mask保留目标原本的嘴，二者选一。

适用与不适用的场景

• 适合：直播/视频会议换脸、短片快速换脸预演、影视角色适配性测试、群像镜头批量换脸。
• 不适合：需要逐帧精确控制的专业后期（它没有时间线编辑）、对嘴型与语音严格对齐的场景、素材含敏感内容（内置 NSFW 检测会直接拒绝处理）。
• 性能预期：CPU 模式以"能出片"为目标；GPU 模式下 720p 实时预览是典型目标，具体帧率与显卡、模型组合相关，以实际运行为准。

⚠️ 合规提醒：README 明确要求——使用真实人物的脸须获得本人同意，发布内容时标注"AI 生成/deepfake"。工具内置 NSFW 过滤（--nsfw-filter）拦截不当素材，但法律与道德责任在使用者。

下一步动作

1. 用python run.py进 GUI，选一张正脸照片，点 Live 确认摄像头模式出预览的耗时
2. 跑一遍python run.py -s 照片.jpg -t 视频.mp4 --mouth-mask，对比开与不开嘴部保留的差别
3. 把--frame-processor从默认换成face_enhancer，观察面部细节与帧率的变化
4. 找一段两个以上人的视频，加上--many-faces验证多人脸检测的稳定性
5. 若在用 CPU 跑，装好对应 GPU 后端后用--execution-provider cuda（或 coreml/directml）重跑同一素材，对比帧率

【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