飞书前端社招一面：从基础原理到场景设计的完整复盘
2026/8/29 22:42:48
本地实时换脸工具 Deep-Live-Cam：一张照片替换摄像头和视频里的人脸
【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 是一个免费开源的本地实时换脸工具：给它一张人脸照片，它就能把摄像头画面或视频文件里的人脸替换成照片里的人。所有计算都在你自己的电脑上完成，不需要服务器、不上传素材。适合不想碰云端、只想快速出内容的创作者和视频爱好者。
哪些需求适合用本地实时换脸解决
- 视频通话或直播：你在镜头前，对方看到的是照片里的人。摄像头画面逐帧替换，全程在本地完成，延迟可控。
- 视频文件换脸：丢进一段电影或素材，程序逐帧处理后输出成品文件，音轨和帧率保留。
- 多人脸玩梗：群像视频里每个人可以同时被换成不同的脸，几分钟出一段表情包视频。
- 隐私敏感场景：素材全程不出本机，本地运行意味着你可以处理不方便上云的内容。
项目内置内容过滤开关，默认也会拒绝处理敏感素材，后文会提到。
从克隆到首跑：三步完成本地实时换脸
环境要求一行带过：Python 3.11～3.14（官方推荐 3.14）、git，系统里有 ffmpeg 更好。
先拉取代码：
git clone --depth 1 https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam cd Deep-Live-Cam再建虚拟环境装依赖，避免污染系统 Python：
python3 -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate pip install -r requirements.txt依赖清单在 requirements.txt 里，onnxruntime 会按你的系统自动选版本（macOS ARM 装 CoreML 版，其他平台装 GPU 版）。
换脸效果由两个模型决定，需要手动放进models/目录：inswapper_128_fp16.onnx（换脸核心）和 GFPGAN 人脸增强模型，下载地址写在 模型下载说明 里。下完用ls -lh models/确认两个文件都在且大小正常。
激活虚拟环境后启动：
python run.py几秒后弹出图形界面：左边选源人脸图片，中间选目标（摄像头、图片或视频），底部是 Start 和 Live 两个按钮。选一张正脸照，按 Live，等 10～30 秒——预览窗口里出现换好脸的摄像头实时画面，说明你已经跑通了。注意第一次运行还会自动下载约 300MB 的人脸检测等辅助模型，保持网络畅通。
摄像头换脸与视频文件替换：两条操作路径
Live 模式：摄像头画面实时变脸
选一张表情中性、光线均匀的高质量正脸照作为源人脸，界面上选对摄像头，按 Live。预览窗出现后就可以直接用了。
- 想中途换人，重新选一张源图即可，不用重启程序
- 要对外推流时，用 OBS 之类的工具截取这个预览窗口
- 光线差时先调高摄像头亮度再开 Live，替换会更稳
Start 模式：批量处理视频文件
源人选好照片，目标选视频文件，点 Start，处理完在 output 目录里得到一段人脸已替换的视频。界面里"保留帧率"和"保留音轨"两个开关键默认是开的，别关。勾选人脸增强可以还原皮肤细节，但会更耗时。长视频建议先剪出 10 秒片段试跑，满意了再处理完整片。
按显卡选执行后端：--execution-provider 对照表
程序通过--execution-provider参数选择计算后端，取值定义在 modules/globals.py：
| 你的硬件 | 启动参数 | 备注 |
|---|---|---|
| NVIDIA 显卡 | python run.py --execution-provider cuda | 需先装 CUDA 12.8 和 cuDNN 8.9 |
| Apple Silicon | python run.py --execution-provider coreml | 依赖装好即可用 |
| AMD 显卡（Windows） | python run.py --execution-provider directml | 需另装 onnxruntime-directml |
| Intel 平台 | python run.py --execution-provider openvino | 需与 OpenVINO 版本配对 |
| 普通 CPU | python run.py（不加参数） | 最慢但最稳 |
拿不准就先不加参数用 CPU 跑通全流程，确认功能没问题后，再按这张表逐项升级到 GPU 加速。
启动报错或画面卡帧，先查这张表
| 症状 | 可能原因 | 处理办法 |
|---|---|---|
| 启动提示模型找不到或加载失败 | models/里缺文件，或下载中断不完整 | ls -lh models/检查大小，按 模型下载说明 重新下载两个文件 |
| 选了 cuda 却回落到 CPU，或报 CUDA 相关错误 | onnxruntime-gpu 找不到 CUDA/cuDNN 运行时库 | 装好 CUDA Toolkit 12.8 和 cuDNN 8.9.7，再重装 onnxruntime-gpu |
| macOS 报 "No module named '_tkinter'" | 系统 Python 没带图形界面支持包 | 执行brew install python-tk@3.14（版本号对齐你的 Python） |
| Live 预览卡顿、FPS 掉到个位数 | 在 CPU 上跑，或画面里人脸太多、源图分辨率过高 | 启用 GPU 后端（见上表），减少同时处理的人脸数量 |
如果以上都没命中，去项目仓库的 Issue 区搜索相同报错关键词，通常已有现成答案。
进阶解锁：多人脸映射与内存上限
想让画面里每个人用不同的脸，命令行可以直接指定：
python run.py -t group.mp4 --many-faces --map-faces--many-faces处理画面里所有人脸，--map-faces把每张源图指派给特定的人；在界面里对应 Many Faces 和 Map Faces 两个开关，选好人脸后用映射功能做指派。
长视频处理时内存可能越涨越高，用--max-memory 8把上限锁在 8GB。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：
出正式版时可以用--video-quality调输出画质，数值 0～51，越小质量越高。
使用规范
- 使用他人面孔前，先拿到本人明确同意
- 分享成品时标注内容是深度伪造
- 不用于欺诈、诽谤等非法用途
- 不处理暴力和其他敏感素材
这是个创作工具，怎么用取决于你，上面四条是底线。
结语
Deep-Live-Cam 是一个本地可跑的实时换脸工具，摄像头实时换脸和视频批量换脸都靠它。卡住的话，先去项目 Issue 区搜一下报错关键词，多数问题都有现成答案。
【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